中国平安
AI编码工程师
AI编码工程师
发布于 大约 14 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
LLM
代码生成
大模型
RL
数据增强
指令微调
Coding Agent
Multi-Agents
AI 估算 · 30k–50k
大模型岗位需求旺盛，平安集团平台大，结合深圳互联网薪资水平，预估月薪3-5万
职位详情
关于这个职位
该职位主要负责大模型在代码生成领域的优化与落地，包括基座模型训练、代码生成/Coding Agent效果提升、数据建设与指令微调，并参与Multi-Agents系统产品建设
适合有大模型相关经验、编码能力强、对LLM前沿技术有热情的工程师
最低要求
硕士以上学历，计算机、软件工程、人工智能等相关专业，具有1年以上大模型相关工作经验，有独立项目落地、RL顶会论文、算法竞赛获奖等经历优先
具备优秀的编码能力，扎实的数据结构和算法功底，有较为丰富的工程经验（重要），至少熟练掌握Python/Go/Java/TypeScript一种开发语言，有内部组件开发经验者优先
熟悉大模型训练、RL算法者优先，在大模型领域，主导过有影响力的项目或论文者优先，有代码生成/Coding Agent项目经验者优先，有实际落地经验者优先，在大模型代码生成领域有研究论文者优先
有自驱力，能结合行业属性，收集数据并设计算法，深度探索大模型在垂类下的优化空间
有良好的沟通协作能力，关注行业动态与技术趋势，及时引入新的技术和理念能和团队一起探索新技术，推进技术应用
工作职责
负责基座模型在分析业务需求，针对不同应用场景的设计训练方案，提高模型在不同下游应用上的的性能
跟进 LLM 代码生成前沿技术，持续优化基座模型完成各类复杂代码生成任务的能力
深入探索LLM在编程场景中的应用，各类代码生成/Coding Agent 场景的效果优化，负责业务需求在代码场景中的效果优化，深入研究LLM后训练等相关技术，提高算法准确率和效率
持续跟进LLM前沿技术，基于LLM完成在代码领域中的复杂任务，根据已有数据集进行数据建设、数据增强、数据合成等，具有数据构建和指令微调经验（重要）
参与建设业务侧Multi-Agents系统产品，支持产品线在算法方面的需求
参与数据飞轮迭代建设、智能体系统以及相关应用
AI 洞察
优缺点分析
- 站在AI技术浪潮前沿，深入大模型核心研发，积累稀缺经验
- 平安集团业务场景丰富，可接触金融、保险等垂直领域的应用，具有行业深度
- 团队可能由资深研究员带领，有论文和项目落地氛围，成长快
- 大模型领域竞争激烈，技术迭代快，需要持续学习和跟进前沿
- 代码生成任务对模型性能要求高，调优过程可能复杂且耗时
- 作为大厂核心岗位，工作强度可能较大，需要抗压能力
- 适合对大模型充满热情、编码能力强、有钻研精神且希望在AI领域深耕的求职者
角色解读
- 纵向成长为LLM算法专家，深入大模型训练与推理优化
- 横向拓展至AI产品架构师或技术负责人，主导智能体系统设计
- 借助平安金融科技场景，可转向AI在金融、保险等领域的应用落地
- 设计并优化大模型训练方案，提升模型在代码生成等下游任务的性能
- 跟踪LLM前沿技术，持续改进代码生成/Coding Agent的效果
- 进行数据建设、数据增强和指令微调，提高算法准确率和效率
- 参与Multi-Agents系统产品建设，支持业务侧算法需求
- 扎实的编程能力，熟练掌握Python/Go/Java/TypeScript中至少一种语言
- 熟悉大模型训练、RL算法，有相关项目或论文经验
- 具备数据构建和指令微调经验，能进行数据增强和合成
- 有自驱力，擅长结合业务需求探索模型优化空间
申请策略
- 提前了解平安在AI领域的布局和产品，在面试中展现对业务场景的理解
- 准备1-2个完整的项目案例，详细说明从数据到模型优化的过程
- 突出大模型相关项目经验，尤其是代码生成或Coding Agent的落地案例
- 强调RL或指令微调的具体成果，如提升指标或发表论文
- 展示强大编码能力，如GitHub链接或参与的开源项目
- 系统学习LLM训练和后训练技术，如RLHF、DPO等
- 练习数据增强和合成方法，熟悉常用数据工具
- 了解Multi-Agents系统的基本架构和实现
面试指南
- 对于项目经验类问题，采用STAR法则（情境、任务、行动、结果）组织回答，突出个人贡献和技术难点
- 对于技术原理类问题，先阐述基本概念，再结合自己的实践举例说明，最后提出优化思考
- 请详细描述你参与的LLM代码生成项目，包括数据来源、模型选择、训练过程和效果评估
- 在指令微调中，如何设计指令数据集？有哪些数据增强策略？
- 解释RLHF在代码生成中的应用，你如何设计奖励模型？
- 如何评估Coding Agent的效果？遇到过哪些挑战？
- 你如何看待大模型在代码领域的未来趋势？平安有哪些应用场景？
- 复习LLM基础，包括Transformer、预训练、微调、RLHF等核心原理
匹配度报告
70
综合匹配度
大厂大模型核心岗，技术前沿薪资高，但工作强度可能较大且WLB一般。
适合人群
最适合注重技术成长和发展前景的求职者，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80
成长发展90
工作生活40
使命价值70
薪资福利匹配
80较高
平安为已上市巨头，薪资水平在行业中有竞争力，福利完善，但JD未明确具体福利，薪资信号为未披露。
薪资信号未披露 (30K-50K/月)
成长发展匹配
90较高
职位涉及LLM前沿技术，有数据建设和指令微调等核心任务，成长性强，但JD未明确晋升通道。
技术前沿前沿/新兴技术
技术栈大模型、LLM、代码生成、Coding Agent、RL、指令微调、Multi-Agents
业务类型ambiguous
工作生活匹配
40较低
工作地点深圳，仅现场办公，JD未提及WLB相关信号，可能工作强度较大。
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
70中等
AI编码工程师属于前沿领域，有创新性，但金融行业的社会影响力中性，JD未体现使命导向。
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