云知声
大模型算法研究员(J11044)
大模型算法研究员(J11044)
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Nlp
Pytorch
分布式训练
大模型
强化学习
算法优化
值不值得投
69综合评分
综合评分 69
前沿AI算法研究岗位，技术成长性强，但办公灵活性和生活平衡可能有限。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3万
比算法优化工程师中位数低
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
4 个在招 · 其中算法优化工程师 2 个
市场机会
选择不多
合肥 · 算法优化工程师 · 5 个在招
职位详情
关于这个职位
这个职位专注于大语言模型的前沿研究与开发，负责通用及领域大模型的全生命周期研发，包括超大规模指令微调、偏好对齐和Agent系统优化
适合对AI算法有深入研究、追求技术突破并具备扎实工程实现的候选人
最低要求
学术背景：计算机、数学、统计学或相关专业硕士/博士学位
模型训练功底：具备Deepseek, Qwen, GLM等主流开源大模型的实战微调经验，深刻理解Transformer架构及注意力机制的演进
强化学习经验：熟练掌握PPO, DPO, GRPO等强化学习算法在NLP领域的应用，能够独立解决RL训练中的不稳定性、奖励函数偏移等挑战
Agent实战：熟悉主流Agent框架（如LangGraph, AutoGPT，ClaudeCode），有实际处理过评测集优化经验者优先
工程能力：熟练使用Python/PyTorch，精通分布式训练工具链（DeepSpeed/Megatron），具备千卡规模下的模型并行、流水线并行调优经验
工作职责
核心模型演进：负责通用/领域大模型的全生命周期研发，包括超大规模指令微调（SFT）及偏好对齐（Alignment）
Agentic RL研发：针对智能体场景，研究并实现基于强化学习的决策模型
重点解决Long-horizon Reasoning（长程推理）、Tool-use（工具调用）和Self-correction（自我纠错）在复杂多轮交互中的表现
对齐算法创新：探索和落地超越DPO/PPO的最新对齐技术（如GRPO, DAPO, Online RLHF），通过构建高精度的Reward Model提升模型在逻辑、代码及Agent任务上的胜率
合成数据管线：利用Teacher-Student架构，通过AI-native方法构建针对Agent动作轨迹、反思闭环的高质量合成训练集
前沿跟踪：紧跟OpenAI o-series, Claude Opus等最新推理模型技术路径，将长推理链、系统性思维等能力注入开源基座
优先资格
在顶级会议（NeurIPS, ICLR, ICML, ACL）发表过高质量论文者优先
有实际处理过评测集优化经验者优先
AI 洞察
优缺点分析
优点
- 直接参与大模型和Agent的前沿研究，技术成长空间大
- 公司已上市，平台资源相对稳定，有利于长期职业发展
- 合肥作为AI新兴基地，生活成本较低，可能提供较好的性价比
- 合肥分公司可能资源或团队规模有限，协作环境不如一线城市活跃
- 研究岗位成果产出周期长，需耐得住寂寞并应对不确定性
- 适合对AI算法研究有强烈兴趣、具备扎实理论基础和工程能力，且追求技术突破的候选人
缺点 / 挑战
- 技术难度高，需持续跟踪最新学术和工业进展，工作压力可能较大
角色解读
- 可成长为AI算法首席研究员或技术专家，专注于前沿模型研发
- 向技术管理方向发展，领导小规模研究团队
- 参与开源社区或学术合作，提升行业影响力
- 负责大语言模型的全周期研发，包括指令微调和偏好对齐，以提升模型性能
- 研究并实现基于强化学习的Agent决策模型，解决长程推理、工具调用等复杂交互问题
- 探索对齐算法创新，如GRPO、DAPO，构建高精度奖励模型以优化模型胜率
- 利用Teacher-Student架构构建高质量合成数据，支持Agent训练
- 具备大模型实战微调经验，深刻理解Transformer架构和注意力机制
- 熟练掌握PPO、DPO等强化学习算法，能解决训练中的不稳定性和奖励偏移问题
- 熟悉Agent框架如LangGraph，有评测集优化经验
- 精通Python/PyTorch和分布式训练工具链，如DeepSpeed/Megatron
申请策略
- 关注云知声的技术博客或公开分享，了解其研发方向和文化，以便在面试中展示契合度
- 准备一个与职位相关的技术项目案例，用于面试中展示解决问题的能力
- 突出在顶级会议发表的论文或高质量学术成果，展示研究深度
- 详细描述参与的大模型微调或强化学习项目经验，包括具体算法和工具使用
- 强调分布式训练和Agent系统开发的实战案例，体现工程实现能力
- 如有开源贡献或竞赛获奖，可作为加分项列出
- 深入学习最新对齐技术如GRPO、Online RLHF，关注OpenAI等前沿动态
- 提升分布式训练经验，尤其是千卡规模下的调优技巧，可通过实践项目积累
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化回答，结合具体项目经验
- 强调理论理解和实践结合，如介绍算法原理后说明实际调优过程
- 展示对前沿技术的跟踪，例如提及GRPO等新方法如何提升性能
- 如何解决强化学习训练中的Reward Hacking问题？请举例说明
- 描述一个你参与的Agent系统设计经验，如何优化长程推理？
- 比较PPO和DPO在大模型对齐中的优缺点？
- 你在分布式训练中遇到过哪些挑战，如何解决的？
- 如何看待当前大模型技术的发展趋势？
职位点评
薪资福利65
成长发展90
工作生活40
使命价值80
薪资福利
65中等
该职位薪资未披露，但基于合肥市场和大模型岗位特点，预计为中等水平，福利信息未提及，满足程度一般。
薪资信号未披露（AI估算：2千–4万/月）
成长发展
90较高
职位聚焦前沿大模型和Agent研发，技术栈新颖，提供深入学习和创新机会，发展性强。
技术前沿前沿/新兴技术
技术栈大模型、强化学习、Agent、Transformer、PyTorch
业务类型profit_center
工作生活
40较低
工作模式未明确说明，可能为现场办公，且研究岗位可能伴随高强度工作，生活化动机满足有限。
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
80较高
AI大模型是高速增长赛道，具有较高社会影响力，但JD未明确提及使命或愿景信号。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs