知乎
大模型算法研究员（27届）
大模型算法研究员（27届）
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
Pytorch
大模型
强化学习
数据构建
模型评测
论文复现
预训练
值不值得投
75综合评分
综合评分 75
前沿AI研究岗位，技术成长空间大，薪资有竞争力，但WLB可能一般。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
20K
比人工智能中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
47 个在招
市场机会
选择适中
深圳 · 人工智能 · 24 个在招
职位详情
关于这个职位
这个职位是大模型算法研究员，负责参与大模型预训练、后训练、强化学习等前沿AI方向的研究
你需要阅读和复现论文、构建训练数据、设计评测方法、编写代码，并与团队合作将研究成果应用到实际模型中
最低要求
计算机、人工智能、数学、统计学或相关专业，本科及以上学历
理解机器学习、深度学习和Transformer的基本原理
熟悉Python，能够使用PyTorch独立完成模型训练和实验分析
做过至少一项相对完整的算法研究或模型项目，能够讲清楚自己解决了什么问题、做了哪些尝试、结果如何
能够阅读英文论文，并根据论文或开源代码复现实验
对实验结果保持诚实
遇到结果不符合预期时，愿意继续查找原因，而不是只挑选有利结果
有主动性，能够清楚地记录和表达自己的思路，也愿意和团队一起讨论问题
工作职责
参与大模型预训练、后训练、强化学习、推理或Agent等方向的研究
阅读和复现有价值的论文，在现有方案上提出并验证自己的改进
参与训练数据的构建、清洗、筛选和质量分析
设计模型评测方法，通过实验和Bad Case分析找到模型的真实问题
编写和维护训练、评测代码，排查实验及模型训练过程中遇到的问题
和算法、数据、基础设施及产品同学合作，把有效的研究结果应用到实际模型中
优先资格
参与过大模型预训练、SFT、偏好优化、强化学习或Agent项目
熟悉Hugging Face、Megatron-LM、DeepSpeed、vLLM、Ray等工具
有分布式训练、推理优化、CUDA或大规模数据处理经验
有高质量论文、开源项目、技术报告或算法竞赛经历
对数学、代码、复杂推理、长上下文或模型评测中的某个方向有深入积累
AI 洞察
优缺点分析
优点
- 处于大模型研究前沿，技术积累深厚，有助于快速提升AI专业能力
- 知乎作为知名平台，拥有丰富的数据资源和应用场景，研究成果易于落地
- 行业增长迅速，职业发展空间大，技能可迁移性强
- 竞争激烈，对算法能力和问题解决能力要求高，可能需面对高强度的工作节奏
- 作为应届生或初级研究员，可能需要适应快速迭代的研究环境和团队协作模式
- 适合对AI研究有浓厚兴趣、喜欢探索前沿技术、能承受实验失败并坚持解决问题的求职者，尤其适合计算机相关专业的毕业生
缺点 / 挑战
- 研究压力较大，需要持续跟进最新论文和技术，应对实验不稳定性和调试挑战
角色解读
- 从初级研究员成长为高级研究员或技术专家，深耕大模型优化、推理或Agent等细分方向
- 可转向技术管理岗位，如团队负责人或AI技术经理，带领研究项目
- 有机会参与行业前沿研究，积累高质量成果，向学术或产品化方向发展
- 参与大模型预训练、后训练、强化学习等前沿AI方向的研究，推动模型能力提升
- 阅读和复现学术论文，提出改进方案并验证效果
- 负责训练数据的构建、清洗和质量分析，确保数据质量
- 设计评测方法，通过实验和Bad Case分析定位模型问题，并编写维护相关代码
- 掌握机器学习、深度学习和Transformer的基本原理，理解大模型工作流程
- 熟练使用Python和PyTorch进行模型训练和实验分析
- 能够独立阅读英文论文并复现实验，具备论文复现和算法研究经验
- 具备团队合作能力，能清晰记录和表达思路，与跨职能团队协作
申请策略
- 提前了解知乎在AI和大模型方面的研究方向和业务应用，展示与之匹配的兴趣
- 在面试中准备好详细讲解一个算法项目，突出思路、尝试和结果分析
- 突出算法研究项目经历，详细描述问题、方法、结果和个人贡献
- 强调Python和PyTorch技能，以及任何论文复现、开源项目或竞赛经验
- 展示团队合作和沟通能力，例如跨学科项目或学术讨论经历
- 学习分布式训练和推理优化技术，如DeepSpeed、vLLM等工具
- 加强CUDA或大规模数据处理能力，提升实验效率
- 关注大模型领域最新进展，积累评测方法和数据构建经验
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答项目经历，突出个人贡献和反思
- 强调诚实和系统性的问题解决方法，例如逐步检查数据、模型、代码等
- 结合理论知识和实践经验，展示对技术原理的深入理解
- 请介绍一个你参与过的算法研究项目，你解决了什么问题？结果如何？
- 如果实验结果不符合预期，你会如何排查原因？
- 你对大模型预训练或强化学习有什么理解？
- 如何确保训练数据的质量？你会采取哪些步骤？
- 你如何与算法、数据等团队合作，将研究成果应用到实际模型中？
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
作为上市公司，薪资和福利可能处于市场水准，对毕业生有一定吸引力，但具体水平需确认。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及前沿大模型研究，技术成长空间大，有助于快速积累AI领域核心技能和项目经验。
技术前沿前沿/新兴技术
技术栈大模型、预训练、强化学习、Python、PyTorch、Transformer
业务类型profit_center
工作生活
60中等
未提及工作模式，可能以现场办公为主，工作与生活平衡情况不明确，需进一步了解。
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
70中等
大模型研究属于AI高速增长赛道，有行业影响力，但JD未明确强调社会使命或使命感。
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