云知声
大模型算法研究员(J11068)
大模型算法研究员(J11068)
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Deepspeed
Dpo
Langgraph
Ppo
Pytorch
合成数据
强化学习
值不值得投
71综合评分
综合评分 71
前沿大模型与Agent算法研究岗，技术挑战与成长空间极大，但对综合能力要求高，办公与工作节奏信息未明确。
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
4.5万
比人工智能中位数高
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
市场机会
选择不多
厦门 · 人工智能 · 3 个在招
职位详情
关于这个职位
云知声招聘大模型算法研究员，负责通用/领域大模型的全生命周期研发，包括指令微调、偏好对齐及基于强化学习的Agent决策模型开发
该职位需要深入理解Transformer架构，并在复杂的长程推理、工具调用和自我纠错等任务上进行算法创新和工程实现
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
在顶级会议（NeurIPS, ICLR, ICML, ACL）发表过高质量论文者优先
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（Reward Hacking）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
AI 洞察
优缺点分析
优点
- 技术前沿性极强，直接参与大模型和Agent等AI领域最核心、最热门技术的研究与落地
- 依托上市公司的平台和资源，能够接触到大规模数据和算力，有利于产出高质量的研究成果
- 该职位位于厦门，需考虑个人对于城市生活节奏和长期发展的偏好
- 适合拥有顶尖高校AI相关硕博学位，具备优秀论文发表记录，对模型对齐与Agent技术有浓厚研究兴趣，并渴望在工业界推动前沿技术落地的求职者
缺点 / 挑战
- 拥有解决复杂技术挑战的机会，能够锻炼从算法创新到工程实现的全栈能力
- 对学术能力和工程实践的要求都极高，需要持续跟进并超越国际顶尖实验室的技术进展，学习压力大
- 算法研发，特别是强化学习方向，存在较高的不确定性和试错成本，可能需要长时间投入才能看到成果
角色解读
- 技术深耕路径：持续在前沿对齐算法、Agent 技术上取得突破，成长为公司或行业的技术专家、首席科学家
- 工程与架构路径：从算法研究转向更侧重于模型系统架构设计与大规模部署，成为技术负责人或架构师
- 综合发展路径：在具备深厚技术背景后，可参与产品战略制定，转向技术管理或创业方向
- 负责大型语言模型从预训练、微调到对齐的完整研发流程，致力于提升模型在通用及特定领域的性能
- 专攻基于强化学习的智能体（Agent）决策模型研发，解决长程推理、工具使用与自我修正等复杂交互难题
- 设计和实现创新的对齐算法，构建高质量的合成数据集，以驱动模型在逻辑、代码和任务执行上的能力提升
- 需要扎实的深度学习和自然语言处理理论基础，精通 Transformer 架构及主流开源大模型的微调技术
- 必须熟练掌握 PPO、DPO 等强化学习算法，并具备解决实际训练中不稳定性等问题的工程经验
- 需要强大的编程与工程能力，特别是使用 Python、PyTorch 进行大规模分布式训练，以及对主流 Agent 框架的实践了解
申请策略
- 深入研究云知声在语音AI和生成式AI方面的技术布局，思考你的研究如何与之结合或产生价值
- 准备一份清晰的研究陈述，阐述你对当前模型对齐技术瓶颈的看法，以及你计划如何探索新方案
- 突出在顶级会议（NeurIPS, ICLR等）发表的论文，详细描述你在其中的贡献和创新点
- 重点展示在大模型微调、强化学习或Agent开发方面的具体项目经验，量化技术成果（如模型效果提升百分比）
- 详细列出你掌握的分布式训练工具链（DeepSpeed/Megatron）的使用经验和解决的具体性能问题
- 若有相关的开源贡献（如在知名开源模型库的PR）或技术博客，务必附上链接
- 持续追踪并复现最新的对齐技术（如GRPO, DAPO）论文，保持对领域前沿的敏感度
- 深入研究LangGraph等主流Agent框架的底层实现，并尝试构建复杂的多步推理Agent应用
面试指南
- 对于技术原理类问题，采用“定义问题-分析现有方法-提出改进思路-讨论潜在挑战”的框架进行回答
- 对于项目经验类问题，使用STAR法则（情境-任务-行动-结果），重点突出你解决关键问题的独特思路和量化结果
- 对于开放设计类问题，展现你的系统化思维，从数据、模型、训练、评测多个层面进行结构化阐述
- 你认为当前DPO/PPO等对齐算法最主要的缺陷是什么？GRPO等新方法从哪些方面进行了改进？
- 请描述一个你处理过的复杂Agent训练案例，其中遇到的最大技术挑战（如Reward Hacking）是什么，你如何解决的？
- 对于需要长程推理的Agent任务，如何设计有效的奖励函数和训练数据？
- 如何构建一个高质量的合成数据管线来训练Agent的反思和纠错能力？
- 你如何衡量一个Agent在复杂工具调用任务上的性能？有哪些关键的评测维度？
职位点评
薪资福利65
成长发展95
工作生活50
使命价值70
薪资福利
65中等
该职位薪资估算处于市场中上水平，有一定竞争力；但职位描述未提及具体福利信息，补偿性动机的满足更多依赖于公司整体的薪酬体系。
薪资信号市场水准 (3.5千–5.5万/月)
成长发展
95较高
该职位处于大模型与Agent技术的最前沿，技术挑战极高，且要求持续跟踪国际顶尖成果，为求职者提供了极强的技术成长和学术探索空间。
技术前沿前沿/新兴技术
技术栈Transformer、SFT、Alignment、PPO、DPO、GRPO、Agent、DeepSpeed、Megatron
成长机会在顶级会议（NeurIPS, ICLR, ICML, ACL）发表过高质量论文者优先
业务类型profit_center
工作生活
50较低
职位未明确说明办公模式（远程/混合），通常此类高强度研发岗位以现场办公为主，且研发工作本身可能存在隐性的工作时间要求。
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
70中等
从事推动人工智能前沿技术发展的创新性工作，具有较强的技术使命感；但属于特定领域的企业研发，社会影响力的直接感知可能不如公共领域工作。
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