中国电信
算法工程师（福州）
算法工程师（福州）
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Llm
Pytorch
Vlm
Yolo
多模态大模型
模型微调
模型部署
目标检测
计算机视觉
值不值得投
71综合评分
综合评分 71
前沿技术驱动、发展空间大，但工作模式偏传统现场办公。
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
35K
比计算机视觉工程中位数高
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
约 1410 个在招
市场机会
选择不多
福州 · 计算机视觉工程 · 3 个在招
职位详情
关于这个职位
该职位负责计算机视觉与多模态大模型算法的研发、优化与部署，聚焦视频理解、目标检测等场景
你将参与从模型训练、微调到端侧与服务端推理加速的全流程，并推动前沿技术在电信业务中的工程化落地
适合对CV与LLM技术有热情、追求技术深度与工程实践并重的算法工程师
最低要求
硕士及以上学历，计算机视觉、深度学习、自然语言处理、多模态学习等相关研究方向
熟悉YOLO系列等主流目标检测算法原理与实现，具备实际项目经验者优先
熟悉Transformer架构及主流大模型技术（如LLaMA/Qwen/Deepseek等），了解多模态大模型（VLM）原理，有大模型微调或应用开发经验者优先
精通Python编程，熟悉PyTorch/TensorFlow等至少一种深度学习框架
掌握图像处理基础理论，熟悉OpenCV等计算机视觉库
了解模型部署工具（如ONNX/TensorRT/NCNN/vLLM等），有端侧部署或大模型推理优化经验者优先
具备良好的英文文献阅读能力，能独立复现和改进前沿算法
有视频分析、多目标跟踪（MOT）、行为识别、视频内容理解等相关项目经验者优先
具备较强的逻辑思维能力和问题分析能力，善于沟通与团队协作
工作职责
负责计算机视觉算法的研发、优化与部署，包括但不限于目标检测、图像分类、目标跟踪、行为识别等
针对视频应用场景（如智能监控、视频内容分析、工业视觉检测等），设计并实现高效的算法解决方案
负责多模态大模型（VLM/LLM）在视频理解、视频内容描述、视觉问答等场景的研究与应用落地
负责算法模型的训练、调优、量化与压缩，包括大模型的微调（LoRA/P-Tuning等）、蒸馏及推理加速，满足端侧及服务端不同场景的性能要求
跟踪计算机视觉、多模态大模型及深度学习领域前沿技术，推动主流检测算法的升级迭代与大模型技术的工程化落地
参与算法与业务系统的集成联调，配合Java后端及产品团队完成端到端的算法能力交付
撰写算法设计文档、技术方案及专利，参与团队技术分享与代码评审
AI 洞察
优缺点分析
优点
- 技术前沿性：岗位涉及多模态大模型、视频理解等前沿技术，能持续学习并掌握行业领先技能
- 平台稳定性：中国电信作为大型企业，提供稳定的职业发展平台和资源支持
- 业务场景丰富：视频监控、工业视觉等应用场景多样，有助于技术落地和业务理解
- 团队协作：与Java后端及产品团队紧密合作，能提升跨团队沟通与协作能力
- 技术深度要求高：需要同时掌握CV、大模型、模型部署等多方面知识，学习曲线陡峭
缺点 / 挑战
- 工程化落地压力：算法需满足端侧及服务端不同场景的性能要求，对优化和工程能力有较高要求
- 持续学习压力：前沿技术迭代快，需要不断跟踪和复现最新算法，保持技术敏感度
- 适合对计算机视觉和多模态大模型有浓厚兴趣，具备扎实深度学习基础，喜欢挑战技术难题并追求工程落地的算法工程师
角色解读
- 技术专家路线：在计算机视觉、多模态大模型领域深耕，成为算法技术专家或首席科学家
- 技术管理路线：积累项目经验后，可向技术经理或团队负责人方向发展，带领团队完成算法项目交付
- 业务架构路线：结合电信业务场景，向解决方案架构师或技术顾问方向发展，负责整体技术方案设计
- 负责计算机视觉算法的研发、优化与部署，包括目标检测、图像分类、目标跟踪、行为识别等核心任务
- 针对智能监控、视频内容分析、工业视觉检测等视频应用场景，设计并实现高效的算法解决方案
- 研究并落地多模态大模型（VLM/LLM）在视频理解、内容描述、视觉问答等场景的应用
- 负责算法模型的训练、调优、量化与压缩，包括大模型微调（LoRA/P-Tuning）、蒸馏及推理加速，满足端侧与服务端性能要求
- 精通Python编程，熟悉PyTorch/TensorFlow等至少一种深度学习框架
- 熟悉YOLO系列等主流目标检测算法原理与实现
- 熟悉Transformer架构及主流大模型技术（如LLaMA/Qwen/Deepseek），了解多模态大模型（VLM）原理
- 掌握图像处理基础理论，熟悉OpenCV等计算机视觉库，了解模型部署工具（如ONNX/TensorRT/NCNN/vLLM）
申请策略
- 了解中国电信在智慧城市、智能监控等领域的业务布局，在面试中展示对业务场景的理解
- 准备1-2个完整的算法项目案例，从问题定义、方案设计到效果评估，体现工程化思维
- 突出目标检测、视频分析、多目标跟踪等实际项目经验，展示算法设计与优化能力
- 强调大模型微调（LoRA/P-Tuning）、蒸馏或推理加速的实践经验，体现对前沿技术的掌握
- 展示Python、PyTorch等编程和框架的熟练程度，以及模型部署（ONNX/TensorRT等）的落地案例
- 如有专利、论文或技术博客，可重点列出，体现技术深度和总结能力
- 系统学习Transformer架构和多模态大模型原理，动手实践LLaMA/Qwen等模型的微调
- 熟悉模型量化、剪枝、蒸馏等压缩技术，以及vLLM、TensorRT等推理加速工具的使用
面试指南
- 项目经验类问题：采用STAR法则，清晰描述项目背景、你的具体任务、采取的技术方案和量化结果，突出个人贡献和难点攻克
- 技术原理类问题：先阐述核心概念和原理，再结合自己的实践经验或项目案例进行说明，最后可提及该技术的优缺点或改进方向
- 方案设计类问题：明确问题约束（如性能、精度、资源），提出多种可行方案并对比，说明选择依据，展现系统化思考能力
- 请详细介绍一下你参与过的目标检测或视频分析项目，包括技术选型、模型优化和最终效果
- 你对多模态大模型（如VLM）的原理和应用有哪些理解？请举例说明其在实际场景中的落地方式
- 如何对一个大模型进行微调和推理加速？请谈谈你熟悉的技术路线（如LoRA、量化、蒸馏）
- 在模型部署到端侧设备时，你会如何平衡精度和性能？请结合具体工具（如TensorRT、NCNN）说明
- 如何跟踪计算机视觉领域的前沿技术？请分享一个你最近关注的研究方向或论文
职位点评
薪资福利70
成长发展90
工作生活50
使命价值65
薪资福利
70中等
职位未明确提及薪资和具体福利，但作为大型企业，薪酬体系通常较为完善，稳定性较高。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
职位深度涉及计算机视觉、多模态大模型等前沿技术，并明确要求跟踪前沿、推动技术迭代，发展性极强。
技术前沿前沿/新兴技术
技术栈计算机视觉、目标检测、YOLO、Transformer、多模态大模型、VLM、LLM、LoRA、P-Tuning、模型蒸馏、推理加速、PyTorch、TensorFlow、OpenCV、ONNX、TensorRT、NCNN、vLLM
业务类型ambiguous
工作生活
50较低
职位要求现场办公，工作地点在福州市鼓楼区，未提及弹性工作或远程办公安排。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
65中等
职位应用于智能监控、工业视觉等场景，具有一定社会价值，但JD未明确提及使命或社会影响力。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs