中国平安
算法工程师
算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
深圳市
专家级经验
全职员工
仅现场办公
学历未注明
深度学习
多模态
异常检测
AIOps
根因分析
大模型微调
Metric
Logs
AI 估算 · 30k–60k
深圳AI大厂核心算法岗，需专家级经验，薪资竞争力强，一般为30-60k/月，年终多个月。
职位详情
关于这个职位
作为平安的算法工程师，你将主导运维基座大模型的微调与增量预训练，攻克根因定位和多模态数据融合难题
这是一个结合深度学习与专家知识的前沿技术岗位，适合在AIOps和大型语言模型领域有深厚积累的专家
最低要求
精通Transformer架构，有训练百亿参数模型经验者优先
在AIOps领域（异常检测、根因分析）有深入研究和落地成果
能够阅读前沿论文并快速复现改进
工作职责
垂域模型微调：主导运维基座模型的全量微调或增量预训练，提升底座能力
攻克根因定位、多模态数据（Logs/Trace/Metric）融合分析难题
结合专家知识与深度学习，提升预测准确率
AI 洞察
优缺点分析
- 身处大平台，接触大规模数据和真实业务场景，技术积累速度快
- 前沿的大模型和AIOps方向，行业需求旺盛，薪资和职业前景好
- 工作内容技术含量高，能不断挑战自我，提升核心竞争力
- 技术难度大，需要同时掌握大模型训练和运维领域的复杂知识
- 大模型训练耗时长，对计算资源和工程能力要求高，工作压力可能较大
- 需要持续跟进前沿论文，保持技术敏感度，学习成本高
- 适合技术背景扎实、热爱挑战、对AI和运维交叉领域有浓厚兴趣的资深算法工程师
角色解读
- 从算法工程师向技术专家或架构师发展，成为AIOps或大模型领域的权威
- 可转向管理岗，带领团队攻克更复杂的AI运维问题
- 未来可拓展到其他行业的AI应用，如金融风控、智能客服等
- 主导大模型微调与增量预训练，提升基座模型在运维场景的能力
- 解决根因定位和多模态数据（日志、链路、指标）融合分析的难题
- 结合专家知识与深度学习算法，优化预测模型的准确率
- 精通Transformer架构，具备百亿参数模型训练经验
- 深入理解AIOps领域，有异常检测和根因分析的实际落地经验
- 快速阅读前沿论文并复现改进的能力
申请策略
- 提前了解平安在AIOps和运维智能化方面的业务布局，展现业务理解
- 准备一个基于实际项目的问题解决案例，展示从论文到落地的完整思路
- 突出在大模型微调或AIOps领域的项目经验，特别是落地成果
- 强调百亿参数模型训练的具体细节，如模型架构、数据量、训练策略等
- 展示阅读和复现前沿论文的能力，可附上相关GitHub链接
- 深入学习Transformer架构的底层原理和高效训练技巧
- 熟悉AIOps常见任务（异常检测、根因分析）的经典方法及最新进展
面试指南
- STAR法则：情境-任务-行动-结果，清晰呈现项目背景和个人贡献
- 技术深度+业务价值：不仅讲技术细节，还要强调对业务指标的提升
- 请详细介绍你参与过的大模型微调项目，包括数据、模型架构和效果
- 如何处理多模态运维数据（日志、指标、链路）的融合？给出具体方法
- 在根因分析中，如何结合专家规则和深度学习模型？
- 你如何跟进前沿论文？举例说明一篇你最近复现改进的论文
- 复习Transformer、LLM、RLHF等大模型核心技术
- 准备AIOps领域经典论文（如LogAnomaly、Root Cause Analysis相关）
匹配度报告
69
综合匹配度
大厂核心AI岗位，前沿技术栈，薪资优厚，但工作强度较大。
适合人群
最适合追求技术成长和职业发展的求职者，对WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展92
工作生活40
使命价值60
薪资福利匹配
85较高
薪资水平处于市场高位，大厂福利完善，稳定性强，但JD未明确具体薪酬福利细节。
薪资信号未披露 (30K-60K/月)
成长发展匹配
92较高
前沿技术（大模型、AIOps）带来高速成长，项目技术难度高，技能积累丰厚，但JD未明确提及晋升路径。
技术前沿前沿/新兴技术
技术栈Transformer、大模型微调、AIOps、深度学习
业务类型ambiguous
工作生活匹配
40较低
未提及远程或弹性工作，深圳科技园办公，WLB不明，可能有一定加班压力。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
60中等
AIOps业务属于企业IT成本中心，社会影响力中性，但技术突破具有行业价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs