云知声
大模型算法研究员(J11067)
大模型算法研究员(J11067)
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
Agent框架
Deepspeed
Megatron
Pytorch
分布式训练
大模型
对齐算法
强化学习
微调
值不值得投
71综合评分
综合评分 71
前沿大模型研究岗，技术成长性高，薪资中等偏上但WLB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
3.8万
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
选择面较广
上海 · 算法优化工程师 · 约 120 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，负责通用和领域大模型的全生命周期研发，包括超大规模指令微调、偏好对齐和强化学习决策模型研究
工作涉及探索前沿对齐技术、构建合成数据管线，并将长推理链等能力注入开源基座，需跟踪OpenAI o-series等最新技术路径
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
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
- 深入前沿AI领域，接触大模型核心技术，技能成长快
- 公司已上市且规模适中，平台稳定，资源相对充足
- 工作聚焦研究创新，对学术与技术结合要求高，适合技术深耕
- 适合有扎实学术背景、热爱AI前沿研究、追求技术深度且具备工程实践能力的求职者
缺点 / 挑战
- 技术难度高，需持续跟踪全球最新进展，学习压力大
- 项目可能涉及复杂多轮交互和长程推理，调试与优化挑战多
- 作为研究员，成果转化和实用化可能需要跨团队协作，沟通成本较高
角色解读
- 从算法研究员成长为技术专家或团队负责人，引领大模型研发方向
- 向AI架构师或首席科学家发展，推动技术创新与应用落地
- 参与行业标准制定或开源社区贡献，提升个人影响力
- 负责大模型从微调到对齐的全链路研发，提升模型在通用和特定领域的性能
- 研究强化学习在智能体场景的应用，解决长程推理、工具调用等复杂问题
- 探索前沿对齐算法并构建合成数据管线，推动模型能力突破
- 跟踪全球最先进AI技术路径，将创新融入开源基座
- 精通大模型训练与微调，熟悉Transformer架构及分布式训练工具
- 掌握强化学习算法（如PPO、DPO）在NLP中的应用，能解决训练挑战
- 具备Agent框架实战经验，了解评测与优化
- 熟练使用Python/PyTorch，有千卡级分布式调优能力
申请策略
- 研究云知声在大模型领域的现有产品和研究方向，展示对公司的了解
- 准备一个与职位相关的技术报告或演示，体现创新思维和解决问题能力
- 突出大模型微调、对齐算法的项目经验，尤其是涉及RL和Agent的部分
- 强调顶会论文发表或开源贡献，展示研究能力
- 列举分布式训练工具链的使用案例，如DeepSpeed/Megatron调优经历
- 深入学习最新对齐技术（如GRPO、DAPO），跟进前沿论文
- 实践Agent框架（如LangGraph），参与评测集优化以提升实战能力
- 加强千卡级分布式训练的性能调优经验
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化描述项目经验
- 结合理论分析和实际案例，说明算法选择和优化思路
- 强调问题解决过程，突出技术深度和创新性思考
- 请描述你过往在大模型微调或对齐项目中遇到的最大挑战及解决方案
- 如何评估强化学习算法在Agent任务中的效果？你会设计哪些指标？
- 解释一下DPO和PPO在对齐中的区别，并讨论GRPO的改进点
- 如果让你构建一个合成数据管线用于Agent训练，你会如何设计？
- 跟踪OpenAI o-series等最新技术，你认为哪些能力最值得融入开源模型？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值80
薪资福利
70中等
职位未披露具体薪资和福利，但作为上市AI公司，可能提供市场水准的薪酬和基本保障。
薪资信号未披露（AI估算：2.5千–5万/月）
成长发展
85较高
职位涉及前沿大模型研发，技术栈新兴，有明确的技能成长和研究深度发展路径。
技术前沿前沿/新兴技术
技术栈大模型、强化学习、对齐算法、DeepSpeed、Megatron、Agent框架
成长机会前沿跟踪、对齐算法创新、学术背景优先
业务类型ambiguous
工作生活
50较低
职位未明确工作模式和WLB信息，可能以现场办公为主，通勤依赖具体地点。
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，研究工作具有技术创新性和行业影响力，能推动技术进步。
行业发展高速增长赛道
社会影响中性/一般
使命信号前沿跟踪、将能力注入开源基座
创新程度积极采用新技术
Watch Jobs