Sugon logo
中科曙光
算法工程师-智算(郑州)(J14552)

算法工程师-智算(郑州)(J14552)

发布于 34 分钟前

普通员工/个人贡献者

AI 估算 · 1.8–3.2万 · AI 参考估算
中级经验
学历未注明
全职员工仅现场办公AI算法
AI算法
Attention
Cv
Llm
Mcp
Nlp
Vlm
机器学习
模型调优
深度学习

值不值得投

70综合评分

综合评分 70

郑州智算算法岗,聚焦多模态、大模型与Agent落地,技术成长性强但WLB信息不足。

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

2.5万

比AI算法中位数低

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 650 个在招 · 其中AI算法 7 个

市场机会

选择不多

郑州 · AI算法 · 3 个在招

职位详情

关于这个职位

该岗位聚焦智算场景下的多模态与单模态算法研发,负责从算法设计、模型训练调优到业务落地的完整闭环

你需要具备机器学习、深度学习、NLP/CV、LLM/VLM以及Agent应用封装能力,适合希望参与大模型与智能体应用落地的算法工程师

最低要求

算法基础:精通机器学习与深度学习基础算法,熟练使用NLP、CV常用算法,对数据特征敏感

经典任务经验:具备分类、语义分割、目标检测、文字识别等经典任务经验,并在其中1-2个任务上有实际的优化经验
大模型能力:熟悉LLM、VLM等主流大模型架构,理解各类Attention结构设计,具备相关项目经验
应用开发:熟悉Agent、Skills、MCP等开发范式,能够完成模型应用能力封装,实现与业务场景的对接

工作职责

负责多模态/单模态算法的研发与落地,独立完成算法设计、实现与验证闭环

负责模型训练过程分析与调优,定位性能瓶颈,并从训练数据与算法设计两个维度制定针对性优化方案
负责LLM及Agent、Skills、MCP等应用能力的开发与封装,完成业务场景对接与落地

优先资格

有LLM微调经验者优先

加分项:
有公开算法竞赛优秀成绩
有相关学术成果(论文/专利等)

AI 洞察

优缺点分析

优点

  • 岗位覆盖多模态算法、LLM、Agent、MCP等方向,技术栈较新,有利于积累大模型应用落地经验
  • 职责包含算法设计、训练调优和业务落地闭环,能形成从模型到场景的完整能力链条
  • 明确提到公开算法竞赛成绩和论文专利为加分项,适合有技术成果积累的候选人展示优势
  • 工作地点在郑州,对希望在中部地区发展算法职业的求职者有较强吸引力
  • JD未说明具体业务场景、数据规模和团队支持情况,入职后可能需要快速适应实际落地节奏
  • 适合具备机器学习、NLP/CV和大模型项目经验,希望参与多模态算法与Agent应用落地的算法工程师
  • 尤其适合有竞赛、论文、专利或LLM微调经验的候选人

缺点 / 挑战

  • 岗位要求同时覆盖机器学习、NLP、CV、LLM/VLM和Agent应用开发,能力面较宽,准备和匹配难度较高
  • 需要独立完成算法设计、实现、验证与业务落地,对工程实现和问题解决能力都有较高要求

角色解读

  • 可向大模型算法专家方向发展,深耕LLM、VLM、多模态理解与模型微调优化
  • 可向AI应用架构或智能体平台方向成长,负责Agent能力体系、工具链和业务集成方案设计
  • 积累行业落地经验后,也可转向算法负责人、技术专家或AI解决方案架构类岗位
  • 负责多模态或单模态算法的研发,包括算法方案设计、代码实现、实验验证和效果评估,形成完整落地闭环
  • 分析模型训练过程中的问题,定位数据、特征或算法结构上的性能瓶颈,并制定针对性优化策略
  • 围绕LLM、Agent、Skills、MCP等能力进行应用开发与封装,将模型能力接入具体业务场景
  • 与业务或工程团队协作,推动算法从实验环境走向实际应用,保障效果与可用性
  • 需要扎实的机器学习和深度学习基础,熟悉NLP、CV常见算法,并能对数据特征进行敏感分析
  • 需要具备分类、语义分割、目标检测、文字识别等经典任务经验,并至少在部分任务上有实际优化经历
  • 需要熟悉LLM、VLM等主流大模型架构,理解Attention结构设计,并有相关项目实践
  • 需要掌握Agent、Skills、MCP等应用开发范式,能够完成模型能力封装和业务场景对接

申请策略

  • 投递前建议了解中科曙光在智算、算力基础设施和AI应用方向上的业务布局,面试中体现对场景的理解
  • 面试时可准备一个完整算法落地案例,重点讲清楚问题定义、方案选择、优化过程和最终业务效果
  • 重点突出机器学习、深度学习、NLP/CV相关项目,说明你在分类、检测、分割或OCR任务中的具体优化方法和效果
  • 明确写出LLM、VLM、Attention结构、微调经验以及Agent、Skills、MCP等应用封装经历,尽量用项目结果量化效果
  • 展示从数据处理、模型训练、性能瓶颈定位到业务上线的完整闭环能力,突出工程落地能力
  • 如有算法竞赛、论文、专利或开源项目,应在简历中单独列出,并说明个人贡献和技术亮点
  • 可重点补强LLM/VLM微调、指令微调、评测体系设计和推理优化等大模型核心能力
  • 建议熟悉Agent工具调用、MCP协议、Skills封装方式,并准备一个可展示的智能体应用案例

面试指南

  • 项目类问题采用“背景目标—数据情况—模型方案—关键优化—评测结果—业务价值”的结构回答,尽量给出量化指标
  • 技术原理类问题先讲核心机制,再结合项目中的选择原因、取舍和实际效果,避免只背概念
  • 落地类问题强调需求拆解、接口封装、稳定性、评测闭环和跨团队协作,体现工程化思维
  • 请介绍一个你独立完成的多模态或单模态算法项目,包括数据、模型、优化点和最终效果
  • 在模型训练过程中,你如何定位性能瓶颈?会从数据和算法设计两个维度分别怎么做?
  • 你熟悉哪些LLM/VLM架构?对Attention结构的设计差异和优化方向有哪些理解?
  • 请说明你对Agent、Skills、MCP的理解,以及如何把一个模型能力封装成业务可用的应用能力
  • 你在分类、语义分割、目标检测或文字识别任务中做过哪些实际优化?效果如何评估?

职位点评

薪资福利72
成长发展86
工作生活45
使命价值68

薪资福利

72中等

JD未披露薪资和福利信息,无法判断薪酬竞争力;岗位技术门槛较高,但稳定性与福利缺少原文依据。

薪资信号未披露(AI估算:1.8千–3.2万/月)

成长发展

86较高

岗位涉及多模态算法、LLM/VLM、Agent、Skills、MCP等方向,技术成长空间较大,但JD未明确培训或晋升机制。

技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、CV、LLM、VLM、Attention、Agent、Skills、MCP、LLM微调
业务类型ambiguous

工作生活

45较低

JD仅明确工作地点为郑州,未提及远程、弹性、双休或加班情况,生活化动机满足程度难以判断。

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

68中等

岗位聚焦智算与大模型应用落地,具备一定技术前沿性和产业应用价值,但JD未直接描述社会使命或行业价值导向。

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