中国电信
大模型算法工程师（AI+安全融合方向，信产公司）
大模型算法工程师（AI+安全融合方向，信产公司）
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Chatglm
Lora
Pytorch
Qwen
Rag
Rlhf
Sft
Tensorflow
推理加速
值不值得投
76综合评分
综合评分 76
大型平台、前沿AI安全赛道、技术成长空间大，研发节奏较快。
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
2.8万
比人工智能中位数低
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 2480 个在招 · 其中人工智能 约 110 个
市场机会
选择面较广
北京 · 人工智能 · 约 620 个在招
职位详情
关于这个职位
该职位负责将大语言模型与网络安全技术深度融合，从事AI渗透测试、漏洞研究及模型自身安全研究
需进行大模型的研发、微调、推理优化及业务场景落地，要求具备扎实的深度学习框架使用能力及1年以上相关项目经验
最低要求
核心技术能力：熟练掌握Python编程语言，精通PyTorch、TensorFlow等主流深度学习框架
熟练掌握LLaMA、Qwen、ChatGLM、Stable Diffusion等主流大模型的训练、微调与部署流程，掌握向量数据库、RAG检索增强生成技术，掌握网络安全攻防基础知识，熟悉模型量化、推理加速等优化方案
项目实战经验：具备1年及以上大模型算法研发、微调、落地相关工作或项目经验，能够独立完成算法方案设计、模型训练迭代与问题攻坚
工程落地能力：具备良好的工程化思维，熟悉Linux开发环境、Git版本管理，了解模型部署流程，能够兼顾算法效果与工程性能，可独立解决模型训练报错、推理异常、效果不达标等各类技术问题，保障算法方案高效落地
综合素养与能力：具备优秀的逻辑思维、数据分析和问题拆解能力，对生成式AI技术有浓厚兴趣和持续学习能力
具备良好的沟通协作能力、责任心和执行力，能够快速响应业务需求，适配快速迭代的研发节奏
工作职责
负责人工智能与大语言模型技术在安全领域的深度融合与技术演进，重点围绕AI+渗透测试、AI+漏洞研究、AI本身安全三个方向展开深入研究
大模型研发与微调迭代：负责通用/垂直领域大语言模型、多模态大模型的研发、训练、微调及迭代优化，基于业务场景开展SFT、RLHF、LoRA、QLoRA等微调工作，解决模型幻觉、上下文理解偏差、输出不稳定等核心问题，提升模型适配业务的能力
模型算法优化与性能调优：针对大模型推理速度、显存占用、响应延迟、并发性能等核心指标进行优化，熟练运用量化、剪枝、蒸馏、模型压缩、推理加速等技术，完成模型轻量化部署与性能升级，保障模型高效稳定运行
业务场景算法落地：结合智能问答、文本生成、内容创作、知识库问答、Agent智能体等实际业务场景，设计算法方案、搭建模型应用架构，完成大模型与业务系统的对接落地，持续迭代优化产品效果，提升用户体验与业务转化效率
前沿技术调研与创新应用：持续跟踪国内外大模型、生成式AI、自然语言处理、多模态融合等前沿技术与行业动态，调研最新算法框架、模型架构及落地方案，结合公司业务需求进行技术创新、方案选型与技术预研，输出技术调研报告
优先资格
有垂直领域大模型优化、RAG知识库搭建、Agent开发、多模态模型落地等实战经验者优先
在高水平网络安全会议/期刊以一作发表相关领域论文者，或拥有知名安全竞赛获奖经历者优先
AI 洞察
优缺点分析
优点
- 处于AI与网络安全交叉的前沿赛道，技术壁垒高，行业前景广阔
- 依托巨头平台，拥有丰富的业务场景和算力资源，利于大模型落地实践
- 适合对AI安全有浓厚兴趣、具备扎实深度学习基础且愿意在大型平台深耕大模型落地的技术人才
缺点 / 挑战
- 大模型技术迭代极快，需要持续跟进前沿论文和开源模型，学习压力较大
- AI与安全的融合属于新兴探索方向，可能面临业务场景不明确或效果难以量化评估的挑战
角色解读
- 纵向可发展为AI安全领域的资深算法专家或大模型架构师
- 横向可向AI安全产品负责人或技术团队管理方向发展
- 将大语言模型与网络安全技术结合，研究AI在渗透测试、漏洞研究及模型自身安全方面的应用
- 负责大模型的研发、微调（SFT/RLHF/LoRA等）及推理性能优化，推动模型在智能问答、Agent等场景的落地
- 熟练掌握Python及PyTorch/TensorFlow等深度学习框架，熟悉主流大模型（LLaMA/Qwen等）的训练与部署
- 具备网络安全攻防基础知识，掌握RAG、向量数据库及模型量化、推理加速等工程化落地技能
申请策略
- 提前了解公司在AI安全、云网大模型等方面的业务布局，面试时展现对公司业务的理解
- 突出大模型微调（SFT/RLHF/LoRA）及RAG、Agent开发的实际项目经验与落地效果
- 强调网络安全攻防背景或AI安全相关研究成果（如论文、竞赛获奖）
- 深入学习模型量化、剪枝及推理加速技术，提升工程化部署能力
- 了解最新的AI安全攻防技术（如Prompt注入防御、数据投毒检测等）
面试指南
- 采用STAR法则，重点突出在复杂场景下如何拆解问题、选择算法方案并最终提升业务指标
- 对于技术原理问题，先简述核心机制，再结合实际项目中的调参或工程优化细节进行说明
- 请详细介绍你在大模型微调（如LoRA/RLHF）中解决模型幻觉或上下文理解偏差的具体方案
- 针对大模型推理速度优化，你使用过哪些量化或推理加速技术？效果如何？
- 如何将大模型应用于渗透测试或漏洞研究？请分享你的思路或落地经验
- 在RAG知识库问答系统中，你是如何优化检索召回率和生成准确率的？
- 复习大模型核心原理（Transformer、Attention机制）及主流微调技术细节
- 准备1-2个完整的AI安全或大模型落地项目案例，梳理其中的技术难点与解决方案
职位点评
薪资福利75
成长发展85
工作生活65
使命价值80
薪资福利
75中等
依托大型平台，薪资福利体系完善且稳定，大模型算法岗薪资处于市场中上水平。
薪资信号市场水准 (2千–3.5万/月)
成长发展
85较高
处于AI与安全的交叉前沿领域，技术挑战大，能接触到丰富的业务场景和算力资源，利于技术深度积累。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、LLaMA、Qwen、RAG、Agent、SFT、RLHF、LoRA
业务类型profit_center
工作生活
65中等
大型平台通常具备较好的稳定性，但大模型研发节奏快，且JD提到需适配快速迭代的研发节奏，WLB情况视具体团队而定。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
80较高
致力于AI与网络安全的融合，提升系统安全性，具有较高的社会价值和技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs