中国平安
算法工程师
算法工程师
发布于 大约 17 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
硕士
PyTorch
RAG
TensorFlow
多模态理解
知识图谱
LlamaIndex
Prompt Engineering
Fine-tuning
大语言模型(Llm)
AI 估算 · 25k–45k
深圳一线大厂，硕士学历要求，前沿AI技术栈，薪资具备市场竞争力。
职位详情
关于这个职位
该职位主要负责平安集团智能理赔系统的AI算法研发，利用大语言模型、多模态理解和知识图谱技术，实现从客户材料到赔付决策的全自动审核
你将参与前沿AI技术在金融保险场景的落地，工作内容涉及模型微调、RAG优化以及生产环境部署
适合对NLP/CV有扎实基础、希望在大平台积累项目经验的算法工程师
最低要求
计算机、人工智能、数学或相关专业硕士及以上学历
熟练掌握 Python，熟悉 PyTorch 或 TensorFlow，具备扎实的数据结构与算法基础
熟悉 Transformer 架构，了解常见的大模型训练/推理优化技术
极强的学习能力和好奇心，面对复杂的保险条款逻辑有耐心拆解和分析
工作职责
参与 AI 理赔审核系统的研发，协助构建多模态文档（医疗影像、保单 PDF）的信息提取，实现对客户提交材料的理解与判别
设计并实现保单条款与理赔规则的结构化表示，支持大模型精准调用与推理
追踪大模型领域前沿技术，优化大模型提示工程（Prompt Engineering）、微调（Fine-tuning）与RAG（检索增强生成）方案，提升模型在复杂理赔场景下的判断准确率
负责理赔案件数据的清洗、标注体系设计及高质量数据集的构建
参与系统开发，将AI模型能力集成到理赔流程中，支持高并发、低延迟的生产环境部署
编写技术文档、参与代码评审，持续优化系统稳定性与可维护性
优先资格
有 NLP 或 CV 相关顶会论文（ACL, CVPR, ICLR 等）者优先
有 LangChain, LlamaIndex 等框架实践经验或高质量 GitHub 项目者优先
AI 洞察
优缺点分析
- 前沿技术栈：直接参与大模型、多模态、知识图谱等热门方向研发
- 大平台资源：平安集团数据量大、业务场景真实，技术落地价值高
- 技能积累快：从模型训练到部署全流程覆盖，综合能力强
- 行业前景好：金融科技+AI是持续增长赛道
- 保险业务逻辑复杂，需要耐心拆解规则，容易产生知识瓶颈
- 系统对准确率和实时性要求高，模型优化压力大
- 大模型领域迭代快，需持续学习，工作强度可能较高
- 适合对NLP/CV有热情、喜欢前沿技术落地、愿意在金融场景解决复杂问题的算法工程师
角色解读
- 可向AI算法专家方向深入，成为大模型在金融保险领域的应用专家
- 可向技术负责人（Tech Lead）发展，带领团队落地AI项目
- 平安集团内部有横向转岗机会，可转入其他金融科技或AI中台团队
- 负责智能理赔系统的AI算法研发，利用大语言模型、多模态理解和知识图谱技术实现全自动审核
- 设计保单条款和理赔规则的结构化表示，支持模型精准推理
- 追踪大模型前沿技术，优化Prompt、Fine-tuning和RAG方案，提升判断准确率
- 参与系统开发，将AI模型部署到高并发低延迟的生产环境
- 扎实的Python编程能力，熟悉PyTorch或TensorFlow
- 深入理解Transformer架构和大模型训练/推理优化技术
- 熟悉NLP或CV领域常见方法，有相关项目或论文经验更佳
- 具备极强的学习能力和逻辑分析能力，能拆解复杂保险条款
申请策略
- 平安集团非常注重业务理解，面试中多体现对保险理赔流程的思考
- 关注平安金融科技的战略方向，展示你对AI在保险行业应用的热情
- 突出大模型相关项目经验，如LLM微调、RAG、多模态信息提取等
- 强调Python、PyTorch/TensorFlow等项目实践，以及算法和数据结构基础
- 如有NLP/CV顶会论文或高质量GitHub项目，务必列出
- 展示对保险或金融业务的理解，体现逻辑分析能力
- 提前学习LangChain、LlamaIndex等框架，动手构建简单的RAG应用
- 复习Transformer架构原理，了解常用大模型（如GPT、LLaMA）的训练和推理优化方法
面试指南
- 对于技术原理题，先解释核心概念，再结合项目经验说明应用
- 对于方案设计题，先明确问题边界，再分步骤提出可行方案，最后评估优缺点
- 对于优化题，从数据、模型、工程三个维度分析，并举例说明
- 请解释Transformer的self-attention机制和其在大模型中的作用
- 如何设计一个RAG系统？检索和生成部分如何优化？
- 针对医疗影像和保单PDF的多模态信息提取，你会提出什么方案？
- 如何评估模型在理赔场景下的准确率？处理不平衡数据的方法？
- 你在项目中如何优化大模型的推理速度？
匹配度报告
68
综合匹配度
平安大厂，前沿AI技术栈，薪资竞争力强，但工作地点固定、WLB未知。
适合人群
适合追求技术成长、希望积累前沿AI项目经验、对WLB要求不高的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展90
工作生活50
使命价值60
薪资福利匹配
70中等
平安作为上市巨头，提供具有竞争力的薪酬福利，但JD未披露具体薪资，补偿性动机有一定满足
薪资信号未披露 (25K-45K/月)
成长发展匹配
90较高
职位涉及LLM、多模态、知识图谱等前沿技术，项目内容丰富，成长空间大
技术前沿前沿/新兴技术
技术栈大语言模型(LLM)、多模态理解、知识图谱、Prompt Engineering、Fine-tuning、RAG
业务类型profit_center
工作生活匹配
50较低
职位仅现场办公，未提及弹性工作或WLB，可能在深圳科技园办公，生活便利性一般
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
智能理赔系统能提升保险行业效率，具有一定社会价值，但JD未强调使命感
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs