中科曙光
人工智能算法工程师（天津）(J13615)
人工智能算法工程师（天津）(J13615)
发布于 11 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
Nlp
Pytorch
分布式训练
多模态学习
大模型
强化学习
智能体
模型优化
深度学习
值不值得投
73综合评分
综合评分 73
前沿AI算法岗位，技术成长空间大，薪资中等，工作生活平衡信息未明确。
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
2.8万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
84 个在招 · 其中人工智能 2 个
市场机会
选择不多
天津 · 人工智能 · 9 个在招
职位详情
关于这个职位
该职位负责人工智能智能体的算法研发，涉及大模型驱动下的自主决策、环境交互、多模态感知等核心方向，同时需构建知识库以提升智能体的理解与推理能力，并持续优化性能
工作涵盖模型选型、性能评估及技术调研，旨在推动AI智能体在实际应用中的落地与进化
最低要求
本科及以上学历，人工智能、计算机及相关专业，5年以上AI算法研发经验，2年以上大模型或智能体方向实践经验
极强的技术洞察力与创新能力，能独立规划技术路线并推动团队突破瓶颈
优秀的跨团队协作能力，能将复杂技术问题转化为可执行的落地方案
熟悉深度学习、强化学习（RLHF/PPO/DQN等）、自然语言处理（NLP）及多模态学习，熟悉大模型（GPT、LLaMA、Claude等）微调与优化技术，熟悉热点模型和热门智能体
深入理解智能体架构设计（如CoT、Self-Refine、DeepResearch等），具备智能体行为规划、记忆管理、工具调用等模块开发经验
熟悉主流训练框架（PyTorch/TensorFlow/JAX），具备分布式训练、模型压缩或推理加速经验
熟悉智能体评估体系设计（自动评估+人工评估），能构建合理的Benchmark与测试工具链
工作职责
负责大模型驱动的AI智能体算法研发，包括但不限于：自主决策、环境交互、多模态感知、长期记忆、工具调用与持续学习等核心方向
负责模型选型，根据项目需求，评估并选择适合的人工智能模型，包括但不限于大型语言模型和AI4S模型，确保模型与业务场景的高度匹配
负责知识库建设，针对行业语料特点构建检索和优化策略，以支持智能体的知识获取和推理能力，提升其对复杂任务的理解和处理能力
制定并执行智能体的性能评估方案，分析其在实际应用中的表现，识别存在的问题，持续优化模型和系统架构，提高智能体的响应速度、准确性和用户体验
持续跟进和调研大模型及智能体相关技术，评估落地可行性并用于提升产品能力
优先资格
在会议（NeurIPS/ICML/ICLR/AAAI等）发表过Agent、RL或LLM相关论文
AI 洞察
优缺点分析
优点
- 工作内容前沿，直接参与大模型与智能体研发，技术成长空间大
- 中科曙光在高性能计算领域有积累，可能提供优质的硬件资源支持
- 岗位聚焦AI落地，有机会解决实际业务问题，提升工程化能力
- 智能体领域仍处发展期，部分技术方向可能存在不确定性
- 对综合素质要求高，需兼顾算法创新与工程实现
- 适合对AI智能体有浓厚兴趣、具备扎实算法基础和工程经验，并追求技术深度与创新的高级工程师
缺点 / 挑战
- 技术迭代迅速，需持续学习以保持竞争力，工作强度可能较高
角色解读
- 可向AI技术专家或算法架构师方向深耕，专注前沿技术研发
- 具备管理潜力者，可逐步转向技术团队负责人或项目经理
- 在人工智能快速发展的背景下，有机会参与创新项目，提升行业影响力
- 开发和优化大模型驱动的AI智能体，涵盖决策、交互、记忆等核心模块
- 负责模型选型与评估，确保技术方案与业务场景匹配
- 构建和优化知识库，提升智能体的知识推理能力
- 执行性能评估与持续技术调研，推动产品迭代
- 深度掌握深度学习、强化学习（如RLHF/PPO）及大模型微调技术
- 熟悉智能体架构设计（如CoT、Self-Refine）和主流训练框架（PyTorch等）
- 具备分布式训练、模型压缩或推理加速的工程经验
- 拥有跨团队协作与技术路线规划能力
申请策略
- 提前了解中科曙光在AI领域的业务方向和产品，匹配自身技能
- 关注人工智能行业动态，尤其是智能体相关技术进展
- 突出大模型与智能体相关项目经验，描述具体技术贡献和成果
- 列举在深度学习、强化学习等领域的技能熟练度与应用案例
- 强调跨团队协作经历和解决复杂技术问题的能力
- 深入学习最新智能体框架与评估方法，如CoT、DeepResearch等
- 实践大模型微调与分布式训练，积累PyTorch/JAX框架下的项目经验
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验
- 从技术原理、工程实现和业务价值三个维度回答技术方案问题
- 结合具体案例，展示对智能体架构和评估体系的理解
- 请介绍一个你参与的大模型或智能体项目，重点说明技术挑战和解决方案
- 你如何设计智能体的性能评估方案？有哪些关键指标？
- 在模型选型时，你会考虑哪些因素来确保与业务场景匹配？
- 请解释强化学习在智能体开发中的应用，例如RLHF的具体实践
- 你如何持续跟踪并评估新技术在智能体领域的落地可行性？
职位点评
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利
70中等
薪资估算处于市场中等水平，福利信息未在JD中明确提及，整体补偿性动机满足度一般。
薪资信号市场水准 (2千–3.5万/月)
成长发展
85较高
岗位涉及大模型、智能体等前沿技术，提供深度的技术挑战与成长机会，但JD未明确提及培训或晋升路径。
技术前沿前沿/新兴技术
技术栈大模型、智能体、PyTorch、TensorFlow、强化学习
业务类型ambiguous
工作生活
60中等
JD未明确工作模式、办公地点类型或工作强度信息，生活化动机的满足程度难以判断，需进一步确认。
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
人工智能是高速增长赛道，岗位技术前沿，但JD未提及社会价值或公司使命，意义感动机主要来自行业前景。
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
中科曙光 的其他在招职位
相似职位推荐
Watch Jobs