TCL
大模型算法工程师
大模型算法工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai Agent
Ott
Pytorch
Tensorflow
大模型
推荐系统
深度学习
边缘计算
值不值得投
74综合评分
综合评分 74
上市巨头核心AI业务线，前沿大模型与边缘计算技术栈，成长空间大，薪资竞争力强，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
3.5万
比机器学习工程中位数低
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 340 个在招
市场机会
选择面较广
深圳 · 机器学习工程 · 78 个在招
职位详情
关于这个职位
该职位主要负责大模型在OTT推荐系统和AI Agent中的研发与调优，并针对智能电视芯片等AI硬件进行算法适配与部署优化
你需要在资深专家带教下，跨部门协作推动AI产品全流程落地，并探索AI产品的新商业模式
最低要求
计算机或人工智能相关专业，具备一个及以上大型实际软件项目经验，独立承担过关键子模块的开发工作
熟练运用至少一门编程语言（C++ /Java /Python/Rust等）
熟悉Tensorflow/scikit-learn/xgboost/Caffe/MindSpore/pytorch等主流深度学习框架的使用
深入理解计算机系统架构与操作系统，熟练掌握异构计算平台原理和典型硬件加速器的使用方法，熟练运用并发编程和底层调试，熟悉Linux/ROS
熟悉深度神经网络、计算机视觉、机器人导航定位、运动规划、机器学习算法和知识图谱等的至少一种，能够针对算法特点与芯片硬件特点设计算法实现方式并优化部署或者有数据分析、挖掘、建模等方面的背景
了解编程规范/惯用法/设计模式
工作职责
大模型研发与调优：独立设计、开发适用于 OTT 推荐系统、AI agent 的大模型，通过参数调整、轻量化压缩、多模态融合等技术优化模型性能，降低计算资源消耗
推荐系统算法优化：基于协同过滤、深度学习推荐模型（如 DIN、DeepFM 等），结合 OTT 业务场景优化推荐策略，提升内容推荐的精准度、多样性及用户点击率、留存率
AI agent 开发落地：设计 AI agent 架构与智能交互策略，实现自然语言处理、任务执行、多轮对话等功能
通过强化学习提升其自主决策与学习能力，适配 OTT 场景服务需求
AI 硬件算法适配：针对第二曲线 AI 硬件（如智能电视芯片、边缘计算设备），优化 AI 算法与硬件特性的结合，提升模型部署与运行效率，充分利用硬件资源
跨部门协作推进：协调研发、算法、设计、运营等跨部门资源，推动 AI 产品全流程开发，通过项目会议同步进展、解决问题，确保产品按时高质量交付
行业生态与商业探索：跟踪 AI 行业前沿动态与技术趋势，整合内外部资源，探索 AI 产品的新商业模式与应用场景，提升产品市场竞争力与商业价值
优先资格
具备AI算法开发及应用经验者优先
掌握OOD/业界常用框架优先
AI 洞察
优缺点分析
优点
- 依托TCL及雷鸟的庞大OTT硬件生态，拥有丰富的大模型落地场景与海量数据资源
- 接触智能电视芯片及边缘计算等前沿AI硬件适配技术，技术壁垒高，个人核心竞争力强
- 岗位涉及大模型、AI Agent等当前最热门的技术方向，技术成长空间广阔
- 大模型在边缘设备上的轻量化压缩与部署难度较大，需平衡模型性能与计算资源消耗
- 适合具备扎实深度学习基础、对大模型落地及AI硬件适配感兴趣，且希望在智能终端/OTT领域深耕的算法工程师
缺点 / 挑战
- 跨部门协作及商业探索对沟通能力和业务理解力要求较高，需具备一定的产品思维
角色解读
- 从在资深专家带教下参与子模块开发，成长为独立负责大模型核心算法及硬件适配的技术骨干
- 未来可向大模型架构师、AI技术专家或AI业务负责人方向发展
- 负责大模型在OTT推荐系统和AI Agent中的研发与调优，通过参数调整、轻量化压缩等技术优化模型性能
- 针对智能电视芯片及边缘计算设备等AI硬件，进行算法适配与部署优化，提升运行效率
- 跨部门协作推动AI产品全流程开发，并跟踪行业前沿动态，探索AI产品的新商业模式与应用场景
- 熟练掌握Python/C++等编程语言及PyTorch/TensorFlow等主流深度学习框架
- 深入理解大模型、推荐算法（如DIN、DeepFM）及AI Agent架构设计
- 具备异构计算平台及硬件加速器优化部署经验，熟悉Linux/ROS及并发编程
申请策略
- 提前了解TCL雷鸟在智能电视及AI硬件方面的最新产品布局，思考大模型如何赋能其核心业务场景，面试时提出建设性想法
- 突出在大模型、推荐系统或AI Agent相关的大型项目经验，强调独立承担关键子模块的成果
- 重点展示模型轻量化压缩、多模态融合或异构计算平台部署的实战经验与性能提升数据
- 体现对OTT业务场景或智能硬件生态的理解，以及跨部门协作推动项目落地的能力
- 深入学习大模型在边缘端的部署优化技术（如量化、剪枝、KV Cache优化等）
- 熟悉OTT推荐场景及AI Agent的强化学习策略，了解智能电视芯片的底层架构特性
面试指南
- 使用STAR法则描述项目经验，突出个人贡献、技术难点及最终业务指标提升
- 针对算法优化问题，从业务痛点出发，阐述模型选择、特征工程、调优策略及落地效果
- 针对硬件适配问题，从模型压缩技术、算子优化、硬件特性结合三个维度展开系统性回答
- 请介绍一个你独立承担关键子模块的大型软件项目，你在其中解决了什么核心技术难题？
- 针对OTT推荐场景，如何结合DIN或DeepFM优化推荐策略以提升点击率和留存率？
- 在资源受限的边缘计算设备上，你如何进行大模型的轻量化压缩与部署优化？
- 请谈谈你对AI Agent架构设计的理解，如何通过强化学习提升其自主决策能力？
- 复习推荐系统经典模型（DIN、DeepFM）及大模型轻量化部署技术，准备相关项目案例
职位点评
薪资福利80
成长发展85
工作生活50
使命价值75
薪资福利
80较高
TCL为已上市巨头企业，薪资福利体系完善，大模型算法岗属于当前市场高薪技术方向，整体薪酬具备较强竞争力。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
岗位涉及大模型、AI Agent及边缘计算硬件适配等前沿技术，且有资深专家带教，技术成长空间广阔。
技术前沿前沿/新兴技术
技术栈大模型、PyTorch、TensorFlow、AI Agent、推荐系统、边缘计算、强化学习
成长机会在资深算法专家的带教下
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为核心算法研发岗，通常工作节奏较快，需做好应对一定工作强度的准备。
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
75中等
推动大模型在智能终端及OTT场景的落地，探索AI新商业模式，具有较高的行业应用价值与创新意义。
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
TCL 的其他在招职位
相似职位推荐
Watch Jobs