云知声
大模型算法研究员(J10987)
大模型算法研究员(J10987)
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人工智能
人工智能
Deepspeed
Megatron
Nlp
Pytorch
Sft
大模型
对齐
强化学习
值不值得投
73综合评分
综合评分 73
前沿算法研究岗，技术深度与成长空间极大，薪资有竞争力但WLB需个人权衡。
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
市场机会
选择面较广
北京 · 人工智能 · 约 520 个在招
职位详情
关于这个职位
该职位是云知声的大模型算法研究员，专注于前沿大模型的算法研发与创新
核心工作包括对通用及领域大模型进行微调与对齐、研究面向复杂交互场景的智能体强化学习算法、以及构建高质量合成数据管线
岗位要求深入理解大模型底层技术，并具备将前沿论文转化为工程实践的能力
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
AI 洞察
优缺点分析
优点
- 处于人工智能大模型研发的最前沿，技术成长空间巨大，能接触和探索行业最新的研究方向（如Agentic RL）
- 岗位聚焦核心算法研发，对模型能力有直接影响，技术成果可见度高
- 公司为已上市企业，平台稳定，具备较强的资源支持算法研究与实验
- 技术难度极高，需要同时具备前沿的学术视野和扎实的工程实现能力，对个人综合能力要求严格
- AI领域技术迭代迅速，需要持续高强度地跟踪和学习前沿动态，以保持技术领先性
- 适合拥有顶尖高校或研究机构算法背景（硕士/博士），热衷于AI前沿技术探索，并乐于将理论研究与复杂工程实践相结合的资深算法工程师或研究员
缺点 / 挑战
- 研究与工程紧密结合，需要解决实际工程中的复杂问题（如分布式训练、RL训练不稳定性），工作挑战性大
角色解读
- 技术专家路线：在大模型对齐、Agent算法等方向持续深耕，成为领域内的顶级技术专家
- 技术管理路线：凭借深厚的技术积累，带领算法团队，主导前沿技术探索与落地，向技术负责人或首席科学家发展
- 负责通用或垂直领域大模型的全生命周期研发，包括从预训练、指令微调到偏好对齐的整个流程
- 针对智能体应用场景，研发基于强化学习的决策模型，解决长程推理、工具调用等复杂交互难题
- 探索并实现超越现有主流方法的对齐算法，并构建高质量的合成数据集以训练更优的模型
- 具备扎实的深度学习与NLP理论基础，精通Transformer架构，并有使用DeepSpeed/Megatron进行千卡级分布式训练的实战经验
- 深入理解并掌握PPO、DPO等强化学习算法在语言模型对齐中的应用，能处理训练不稳定等挑战
- 熟悉主流大模型（如Deepseek, Qwen, GLM）和Agent框架（如LangGraph），有将学术论文转化为工程实现的能力
申请策略
- 仔细研读岗位描述中提到的技术关键词（如Long-horizon Reasoning, Tool-use），在面试中展现对这些具体问题的理解
- 准备一个能体现你解决复杂算法问题能力的技术项目或研究成果，用于在面试中深入交流
- 了解云知声在语音、物联网等领域的AI应用，思考大模型算法如何与公司现有业务结合，展示你的业务思考能力
- 突出在顶级学术会议（如NeurIPS, ICLR）上发表的相关论文，以及其中使用的核心技术方法
- 详细描述过往在大模型训练、微调或强化学习方面的项目经验，特别是涉及分布式训练、解决具体算法难题的案例
- 展示对Transformer架构、主流对齐算法（PPO/DPO/GRPO）以及Agent框架的深刻理解和实践经验
- 列出精通的技能栈，如Python, PyTorch, DeepSpeed/Megatron等，并强调在千卡级环境下的调优经验
- 深入学习最新的对齐技术（如GRPO, DAPO）和Agent相关研究，跟踪OpenAI o系列等最新模型的论文与技术博客
面试指南
- 采用STAR法则：描述项目背景(Situation)、你的具体任务(Task)、采取的技术行动(Action)以及最终结果与收获(Result)
- 先阐述问题本质，再对比分析不同技术方案的优劣，最后给出你的选择和实际应用效果
- 结合理论知识与工程经验进行回答
- 先解释算法原理，再说明在实际训练数据、超参数设置或代码实现上做了哪些针对性设计来应对挑战
- 请介绍一个你主导过的、涉及大模型微调或对齐的复杂项目，遇到了哪些主要技术挑战？你是如何解决的？
- 你认为当前大模型在复杂多轮交互和Agent场景下，最大的瓶颈是什么？如何通过强化学习来改善？
- 对于DPO、PPO、GRPO这些对齐算法，它们的优缺点分别是什么？在实际训练中你遇到过哪些不稳定性问题，是如何处理的？
- 如何构建高质量的合成数据来训练Agent？Teacher-Student架构在你的理解中如何具体实现？
职位点评
薪资福利70
成长发展90
工作生活55
使命价值75
薪资福利
70中等
作为已上市公司的高级研究岗位，薪资和福利体系通常较为完善，具备市场竞争力。但JD未披露具体薪资和福利细节，需在面试中确认。
薪资信号市场水准 (3千–6万/月)
成长发展
90较高
该岗位处于AI大模型技术的最前沿，职责涉及算法创新、前沿跟踪与复杂系统实现，为从业者提供了顶尖的技术成长平台和清晰的专家级发展路径。
技术前沿前沿/新兴技术
技术栈大模型、SFT、PPO、DPO、GRPO、Agent、DeepSpeed、Megatron、PyTorch
业务类型profit_center
工作生活
55较低
JD未明确提及办公模式、工作时间等信息，工作地点为北京。基于岗位性质（前沿算法研究、复杂问题解决）推测工作强度可能较高，但无直接证据。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
岗位聚焦于推动大模型智能体技术的发展，旨在解决复杂交互、推理等前沿问题，具有明确的行业技术推动意义，属于AI领域的高价值研发工作。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs