中国电信
算法工程师(广州)-中数通信息有限公司
算法工程师(广州)-中数通信息有限公司
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公NLP工程
NLP工程
Gpt
Nlp
Prompt工程
Pytorch
Tensorflow
分布式训练
大模型
模型压缩
模型并行
值不值得投
72综合评分
综合评分 72
国企背景，前沿NLP大模型技术，成长性好，薪资未定，WLB待确认。
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
28K
比NLP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 2580 个在招
职位详情
关于这个职位
这是一个专注于自然语言处理（NLP）与大模型技术的算法工程师岗位，你将参与开源大模型的深度研究、二次开发与性能调优，设计高效训练与推理方案，并跟踪学术界与工业界前沿技术
适合对AI充满热情、具备扎实深度学习基础和研究能力的工程师，在国企背景中积累技术影响力
最低要求
计算机科学、数学、统计学等相关专业，硕士及以上学历（优秀本科生可放宽）
熟练掌握深度学习框架（PyTorch/TensorFlow/JAX等），具备扎实的算法实现与调试能力
深入理解NLP核心任务（如文本生成、预训练、Prompt工程、模型压缩等），熟悉主流大模型架构及训练方法
对开源大模型有实际调优经验，了解模型并行、数据并行、混合精度训练等技术细节
具备扎实的数学功底，包括线性代数、概率统计、优化理论及微积分，能结合理论优化模型性能
对AI技术有强烈热情，能主动跟进领域动态（如阅读论文、复现SOTA模型），快速学习并解决新问题
具备独立研究能力，能通过实验分析定位问题并提出创新性改进方案
良好的团队协作意识，能清晰表达技术方案并与跨职能团队高效配合
工作职责
参与自然语言处理（NLP）与大模型相关的算法研发，包括但不限于模型设计、训练优化、效果调优及工程化落地
负责对开源大模型（如LLaMA、GPT、BERT、T5、BLOOM等）进行深度研究、二次开发及性能调优
结合业务场景需求，设计高效的大模型训练/推理方案，解决模型规模化应用中的技术难题
跟踪学术界与工业界前沿技术（如多模态、强化学习、分布式训练等），探索大模型在复杂场景中的创新应用
撰写技术文档、专利及论文，推动团队技术积累与行业影响力
关注行业、市场、政策等动向，深度洞察需求、变化和未来趋势，参与技术调研、研发攻关等课题相关工作
AI 洞察
优缺点分析
优点
- 聚焦大模型和NLP前沿技术，技术含量高，成长空间大
- 国企背景稳定性好，工作节奏相对可控
- 鼓励论文和专利，有助于建立个人技术影响力
- 可接触多种开源模型，积累丰富实战经验
- 国企环境可能流程较多，创新灵活性不如互联网公司
- 薪资与互联网头部公司相比可能偏低，需平衡稳定与发展
- 适合对NLP和大模型充满热情、希望深耕技术并有较强自驱力的人，也适合偏好稳定国企平台、重视技术积累的求职者
缺点 / 挑战
- 大模型技术迭代快，需要持续投入学习，压力较大
角色解读
- 从算法工程师成长为NLP/大模型方向的技术专家，深入一线解决复杂问题
- 可通过发表论文、申请专利提升行业影响力，转向研究型岗位
- 在国企平台积累业务与项目管理经验，有机会向技术管理方向发展
- 研发NLP相关算法，设计并训练大模型，调优模型效果并推进工程化落地
- 对开源大模型（如LLaMA、GPT）进行二次开发，优化训练和推理性能
- 跟踪前沿技术（多模态、强化学习等），探索在业务场景中的创新应用
- 撰写技术文档、专利和论文，积累团队技术资产
- 扎实的深度学习基础，熟练使用PyTorch/TensorFlow等框架
- 深入理解NLP核心任务和大模型架构，有实际调优经验
- 掌握模型并行、数据并行、混合精度训练等分布式技术
- 较强的数学功底（线性代数、概率统计、优化理论）和独立研究能力
申请策略
- 深入了解中数通和中国电信的业务方向，在面试中体现算法如何赋能具体业务
- 准备一个完整的NLP大模型项目案例，从数据到部署讲清楚技术选型和效果
- 突出相关项目经验，如大模型微调、部署或NLP任务解决案例
- 强调对开源模型的深入理解和调优成果，可附上GitHub或论文链接
- 展示独立研究和问题解决能力，如复现SOTA模型或提出改进方案
- 提及工程化落地经验，如分布式训练或推理优化
- 精通常用框架，并动手实践大模型微调（如LoRA、QLoRA）
- 学习分布式训练和模型压缩技术，补充工程能力
面试指南
- 采用STAR法则：阐明背景、任务、行动和结果，突出量化对比
- 从问题本质出发，先分析瓶颈，再给出多种方案并比较优劣
- 结合具体案例，展示动手能力和理论深度，避免只讲概念
- 请介绍一个你参与的大模型项目，包括模型选型、训练策略和调优过程
- 如何解决大模型训练中的显存不足或收敛不稳定问题？
- 你如何理解Prompt工程？在实践中如何优化Prompt？
- 谈谈你对模型并行和数据并行的理解，以及适用场景
- 如果给你一个业务任务，你会如何设计从数据到模型上线的完整方案？
职位点评
薪资福利65
成长发展88
工作生活55
使命价值82
薪资福利
65中等
薪资未披露但国企背景提供稳定性，福利未明示，整体中规中矩。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
88较高
岗位处于NLP大模型前沿，技术挑战大，有论文专利机会，成长性强。
技术前沿前沿/新兴技术
技术栈NLP、大模型、LLaMA、GPT、BERT、PyTorch、TensorFlow、分布式训练、模型并行、模型压缩
业务类型ambiguous
工作生活
55较低
工作地点固定广州，未提及远程或弹性工作，WLB信号不明，通勤便利性视具体位置而定。
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
82较高
AI行业高速增长，岗位推动大模型技术落地，具有技术贡献意义，但社会影响中性。
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