追觅科技
大模型算法-2026届(J42755)
大模型算法-2026届(J42755)
发布于 9 天前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Jax
Llm
Pytorch
Rlhf
Tensorflow
分布式训练
多模态
数据合成
模型压缩
值不值得投
75综合评分
综合评分 75
2026 届大模型算法校招岗，前沿方向成长性突出，四城入职地点待确认
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，方便比较职业起点。
薪资怎么样
3.5万
比AI算法中位数高
发布情况
正常在招 · 9 天前发布
公司情况
公司还在招多个职位
7 个在招 · 其中AI算法 5 个
职位详情
关于这个职位
该职位是面向 2026 届毕业生的大模型算法岗，负责大语言模型的预训练、微调、推理优化与应用落地，涉及 RLHF、智能体推理、模型压缩与数据合成等前沿方向，要求硕士或博士学历
适合有扎实深度学习功底、希望在一线大模型团队深耕技术研究的应届硕博人才
最低要求
计算机、人工智能、数学等相关专业硕士或博士学历
熟练掌握Python和深度学习框架（如PyTorch、TensorFlow、JAX等），具备分布式训练和性能调优经验
深入理解Transformer、注意力机制等大模型核心原理，熟悉经典模型（如GPT、LLaMA、CLIP等）
具备优秀的问题解决能力和工程实现能力，对大模型技术有强烈热情和探索精神
工作职责
负责大语言模型（LLM）的预训练、微调、推理优化及应用落地，推动模型在自然语言处理、多模态等领域的创新
开展大模型能力增强研究，包括但不限于指令微调、人类反馈强化学习（RLHF）、上下文学习、智能体推理等方向
探索大模型的高效优化技术，如模型压缩、量化、蒸馏、加速推理等，提升计算效率与落地可行性
构建和优化大规模训练数据集，设计数据清洗、增强及合成方案，提升模型泛化与对齐能力
优先资格
具备大模型预训练/微调/RLHF全流程经验，或在高水平会议（ACL、ICML、NeurIPS等）发表论文者优先
AI 洞察
优缺点分析
优点
- 直接参与大模型预训练与 RLHF 等核心环节，技术含金量高
- 覆盖训练、压缩、数据合成等全链路，能力成长全面
- 大模型算法人才市场供不应求，职业溢价明显
- 大规模训练与调参实验周期长、算力竞争激烈，对工程与抗压能力要求高
- 领域迭代极快，需要持续跟进最新论文与技术动态
- 多城市工作地点意味着实际入职团队与城市存在不确定性
- 适合硕博学历、有深度学习与分布式训练基础、对大模型前沿研究有热情并能快速跟进领域进展的应届毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 校招入职后可在预训练、对齐、推理优化等细分方向成长为算法专家
- 有成果者可牵头大模型研究课题，向研究负责人或技术带头人发展
- 大模型经验是当前 AI 行业最硬的通货，长期职业选择面广
- 负责大语言模型的预训练、微调与推理优化，推动模型在 NLP 和多模态场景的落地
- 开展指令微调、RLHF、上下文学习、智能体推理等能力增强研究
- 探索模型压缩、量化、蒸馏与推理加速等高效优化技术
- 构建大规模训练数据集，设计数据清洗、增强与合成方案，提升模型泛化与对齐能力
- 计算机、人工智能或数学专业硕士/博士学历，扎实的机器学习理论功底
- 熟练使用 Python 与 PyTorch/TensorFlow/JAX 等框架，有分布式训练与性能调优经验
- 深入理解 Transformer 与注意力机制，熟悉 GPT、LLaMA、CLIP 等经典模型
- 有大模型全流程经验或顶会论文是重要加分项
申请策略
- 面试前梳理追觅在机器人与智能硬件场景中大模型的潜在落地方向，展示业务理解
- 提前确认意向工作城市，与 HR 沟通各城市团队的侧重方向
- 突出你参与过的大模型训练或微调项目，量化模型规模、数据量与效果提升
- 列出 ACL、ICML、NeurIPS 等顶会论文或竞赛成绩
- 展示分布式训练与性能调优的实践经验
- 说明你对 RLHF、智能体推理等具体方向的兴趣与理解
- 系统补齐 Transformer 底层实现与主流开源模型结构的细节
- 动手实践 LoRA 微调、量化部署等轻量化全流程
面试指南
- 用「原理—实现—实验—结论」框架回答技术问题，突出亲手实践的细节
- 回答开放研究问题时，先给出对比基线再阐述自己的方案与取舍
- 结合具体论文或项目经历支撑观点，避免空谈概念
- 请介绍 Transformer 的注意力机制及其常见变体
- 你做过哪些微调或 RLHF 实验？效果如何评估？
- 如何在不显著损失精度的前提下压缩和加速大模型推理？
- 如果训练数据存在噪声，你会如何清洗与增强？
- 分布式训练中你遇到过哪些性能瓶颈，如何调优？
职位点评
薪资福利70
成长发展90
工作生活60
使命价值70
薪资福利
70中等
JD 未披露薪资，但大模型算法校招岗在当前市场属于定价偏高的稀缺方向，具体以 offer 为准。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
直接参与预训练、RLHF、推理优化等大模型核心环节，是当前 AI 领域成长性最强的方向之一。
技术前沿前沿/新兴技术
技术栈LLM、PyTorch、TensorFlow、JAX、Transformer、RLHF、模型压缩、分布式训练
业务类型profit_center
工作生活
60中等
JD 未提及办公模式与加班信息，大规模训练实验的周期节奏可能影响作息，需以团队实际情况为准。
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
70中等
从事大模型前沿研究，处于 AI 技术变革中心，行业前景与技术使命感较强，但 JD 未提及使命导向表述。
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