GE医疗
Staff Software Engineer
Staff Software Engineer
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Agent系统
Llm微调
Mri图像重建
Prompt Engineering
Pytorch
Rlhf
大语言模型
深度学习
值不值得投
83综合评分
综合评分 83
顶尖医疗外企的LLM/Agent核心研发岗，技术前沿且极具社会价值，薪资福利优渥，适合追求技术深度与平台稳定性的AI人才。
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
5.5万
比人工智能中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 160 个在招
市场机会
选择面较广
北京 · 人工智能 · 约 650 个在招
职位详情
关于这个职位
该职位主要负责大语言模型（LLM）的微调、提示词工程及Agent系统的架构设计与研发
你需要将前沿的AI算法转化为临床级医疗产品，并与跨学科团队合作推动AI技术在医疗场景的落地
最低要求
计算机科学、人工智能、数学、统计等相关专业硕士或博士学位（或具有丰富经验的计算机科学/STEM专业学士学位）
年以上大语言模型算法研发相关工作经验，熟悉主流开源大模型（如LLaMA、Qwen、ChatGLM等）的训练、微调和推理流程
精通PyTorch、TensorFlow等深度学习框架，熟悉PEFT、LoRA等模型微调工具，具备大模型参数高效微调的实操经验
深入理解Prompt Engineering、Function Calling、Chain of Thought等LLM相关技术，具备模型推理优化和长上下文处理的实际项目经验
精通Python编程，具备良好的数据结构和算法基础，代码实现和问题解决能力强
具备较强的学习能力和创新思维，关注行业前沿动态，能独立攻克关键技术难题
良好的沟通协作能力，能与跨团队成员高效合作推进项目
具备面向对象分析与设计、软件设计模式和Java编码原则的扎实知识
熟练使用Spring框架、REST/SOAP等Web服务及SQL/NoSQL数据库，有大数据/Hadoop经验优先
具备构建可扩展和高可用分布式系统的经验，能清晰拆解问题并评估开发任务时间
工作职责
负责大语言模型的微调，包括监督微调（SFT）、基于人类反馈的强化学习（RLHF）和特定领域模型适配，以提高模型在垂直场景中的性能和适应性
深入研究并优化Prompt Engineering，设计高效、高鲁棒性的提示词模板，探索高级提示策略以提升模型输出质量和任务完成效率
优化大模型的Function Calling能力，提高模型工具调用的准确性、稳定性和泛化能力，实现模型与外部工具和服务的无缝连接
研究和实现高级模型推理技术，包括思维链（CoT）、反思机制、多步推理和长上下文管理，以解决复杂推理任务并扩展模型的有效上下文窗口
构建全面的LLM评估系统，对模型进行全方位测试和评估，重点关注模型幻觉、输出稳定性、工具调用准确性、推理能力等核心指标，并提出针对性优化方案
跟踪大语言模型领域的前沿研究进展和技术趋势，将先进算法和技术引入业务场景，推动模型技术的持续迭代升级
负责Agent核心运行时系统的研发，包括执行引擎、状态机、内存模块和工具调用框架的设计与实现，确保Agent系统高效、稳定、可扩展运行
开发并优化多Agent协作机制，实现对话路由、冲突解决、任务分解与聚合等核心功能，构建多Agent高效交互与任务分工的协作体系
优化Agent引擎的调度逻辑和执行效率，解决Agent运行过程中的任务延迟、内存溢出和工具调用失败等问题，提升系统整体性能
设计具备高可用性和高扩展性的Agent系统架构，支持各类大模型和外部工具的接入，满足复杂业务场景需求
负责Agent领域主流开源框架（如LangChain、AutoGPT、OpenCWA等）的对接和二次开发，根据业务需求独立开发定制化Agent框架和组件
与产品、工程等团队合作，将算法研究成果转化为可落地的技术方案，支持大模型产品的落地应用
参与敏捷流程：规划、估算、回顾和按需on-call
展示清晰思维以处理有限信息和模糊问题定义，通过影响他人建立支持，主动识别并消除项目障碍
分享知识，指导团队成员并有效分配工作，从技术和业务角度阐述技术如何解决客户问题
优先资格
具备构建LLM评估系统经验，能进行模型幻觉、稳定性和工具调用准确性测试
熟悉CUDA/CuFFT/CuBLAS、OpenMP、SIMD向量化
有git、jenkins、devops等使用经验
有相关论文发表、竞赛获奖或开源贡献
熟悉HTML5、JavaScript、jQuery、CSS等前端开发，有Play框架或Angular经验优先
有实现Java OSGi模块和使用OSGi容器的经验
AI 洞察
优缺点分析
优点
- 处于当前最火热的LLM与Agent赛道，技术栈前沿
- GE医疗作为全球顶尖医疗器械巨头，能提供丰富的医疗场景数据和稳定的平台资源
- 外企文化，注重Work-Life Balance和多元化
- JD中混杂了大量Java后端和传统Web开发的要求，实际工作中可能需要兼顾底层系统或历史技术栈的维护
- 医疗行业合规和验证要求极高，算法落地临床的周期长、难度大
- 具备扎实大模型算法基础，同时对工程化落地（Agent系统、后端架构）有热情，希望在医疗AI领域长期发展的技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI技术专家（Principal Staff Engineer）或AI架构师方向发展，也可转型为AI团队技术负责人，引领医疗AI产品的技术演进
- 负责大语言模型（LLM）的微调、推理优化及Agent系统的架构设计与研发
- 将前沿AI算法与医疗业务结合，推动AI技术在临床和医疗场景的落地
- 精通Python及PyTorch等深度学习框架，熟练掌握LLM微调（SFT/RLHF/LoRA）与Prompt Engineering
- 具备Agent系统（如LangChain）开发经验及扎实的算法和工程落地能力
申请策略
- 面试前深入了解GE医疗的数字化和AI战略，特别是其在医疗影像和诊断领域的AI布局，思考LLM/Agent如何赋能这些具体场景
- 突出LLM微调（SFT/RLHF）、Agent系统开发（LangChain/AutoGPT）的实际项目经验及业务收益
- 展示将算法模型转化为生产级产品的工程能力，而不仅仅是实验室代码
- 补充Agent底层运行时设计、多Agent协作机制以及大模型评估体系构建的知识
- 了解医疗影像（如MRI）或医疗NLP的基础知识
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目经验
- 对于架构设计问题，采用“需求分析-核心模块设计-扩展性/高可用考量-落地效果”的结构
- 对于技术选型，强调“业务场景驱动”而非盲目追求最新技术
- 请详细介绍你主导过的一个LLM微调或Agent系统项目，遇到了哪些技术瓶颈及如何解决？
- 在构建LLM评估系统时，你如何量化和解决模型幻觉问题？
- 如何设计一个高可用、可扩展的多Agent协作架构？
- JD中提到了Java和传统Web服务，你如何看待算法工程师在工程化落地中的角色？
- 复习大模型核心原理（Transformer、注意力机制、RLHF等）及主流开源模型（LLaMA, Qwen）的特性
职位点评
薪资福利80
成长发展90
工作生活75
使命价值85
薪资福利
80较高
作为跨国巨头企业的Staff级别岗位，薪资福利处于市场较高水平，且外企通常提供完善的福利体系和较高的稳定性。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
90较高
岗位核心聚焦于LLM和Agent等最前沿的AI技术，且涉及从算法研究到临床级产品落地的全链路，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、SFT、RLHF、Prompt Engineering、Function Calling、Chain of Thought、Agent、LangChain、PyTorch、LoRA
成长机会career opportunities
业务类型profit_center
工作生活
75中等
外企通常注重工作生活平衡，但JD中提到了on-call和独立承担核心责任，且Staff级别通常承担较多核心责任，可能存在一定的工作压力。
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
85较高
致力于创造医疗保健无极限的世界，将前沿AI技术应用于医疗场景，具有极高的社会价值和使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号create a world where healthcare has no limits、builds a healthier world
创新程度积极采用新技术
GE医疗 的其他在招职位
相似职位推荐
Watch Jobs