京东
大模型算法工程师
大模型算法工程师
发布于 大约 13 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
软件工程
Cuda
Dpo
Fsdp
Grpo
Kv-Cache
Megatron
Ppo
Pytorch
Rlhf
AI 估算 · 35k–60k
大模型算法工程师为稀缺岗位，京东健康平台成熟，北京地区薪资较高，月薪35-60K合理，中位数约47.5K，年终奖等因素按15个月估算。
职位详情
关于这个职位
加入京东健康，作为大模型算法工程师，你将专注于医疗AI大模型的基础设施建设，涵盖训练、推理全链路
你将负责构建Agentic系统、优化推理性能，并推动前沿AI技术在问诊、诊断辅助、病历理解等核心医疗场景落地，从研究原型走向规模化业务系统
最低要求
学历与专业背景：计算机、人工智能、软件工程、电子工程、自动化、信息工程、模式识别、统计学、应用数学、医学信息学、生物医学工程等相关专业硕博学历
工程能力：熟练掌握 Python/PyTorch/Transformer/FSDP，熟悉 C++/Rust/Go/Java/Cuda/Triton/TileLang 等高性能编程语言的一种或多种，熟悉 Megatron/Slime/verl/vLLM/SGLang等常用训推框架中的一种或多种
有大规模分布式训练、高性能算子研发、Agentic RL等实战经验者优先
AI-Native：高度 AI-Native，能够熟练将大模型、Agent、代码生成、自动化评测、数据合成、智能检索、自动实验分析等能力融入日常研发流程
具备使用 AI 显著提升研发效率、问题定位效率和科研探索效率的实践经验
工作职责
医疗 AI 大模型 Infra 建设与业务支撑：负责医疗 AI 大模型在 Harness、训练、推理全链路的基础设施建设与能力落地，支撑问诊、诊断辅助、医学知识检索、病历理解、临床决策支持、健康管理等核心医疗场景，推动前沿 AI 能力从研究原型走向稳定、可规模化的业务系统
Agentic Harness 系统建设: 设计并实现面向医疗场景的 Agentic Harness，包括任务环境构建、工具调用框架、轨迹采集、评测体系、数据闭环与自动化迭代机制
重点探索 Agentic Search、Code React、Self-Evolution、多工具协同、多智能体协作、长链路任务执行等方向，提升模型在复杂医疗任务中的自主推理、信息检索、任务分解和问题解决能力
训练基础设施与 Agentic RL 能力建设：建设面向大模型后训练、Agentic RL 和自进化的训练 Infra，支持 custom rollout、trajectory generation、reward/verifier 设计、偏好数据构建、在线/离线策略优化、自动数据合成与筛选等能力
推动 RLHF、RLAIF、DPO、PPO/GRPO、Self-Play、Self-Evolution 等技术在医疗 AI 场景中的落地
推理系统与高性能 Serving 优化：负责大模型推理系统的架构设计与性能优化，包括但不限于分布式 KV-Cache、Continuous Batching、Speculative Decoding、Prefill/Decode 分离、模型并行、请求路由、多模型级联、缓存复用、长上下文推理、低延迟高吞吐 Serving 等方向，持续优化医疗业务场景下的推理成本、稳定性和用户体验
优先资格
加分项：深入参与过大规模、前沿模型的训练或推理系统建设
或在 AI、系统、医学人工智能等方向的顶会顶刊发表过论文
或热门开源项目贡献经历
或高水平的编程/AI/Benchmark等方向的竞赛或榜单获奖经历
AI 洞察
优缺点分析
优点
- 京东健康平台大，医疗AI场景丰富，数据资源充足
- 接触前沿技术（Agentic RL、推理优化等），技术成长快
- 公司上市稳定，福利完善，薪资有竞争力
- 技术栈深且广，需要持续学习，对自驱力要求高
- 北京工作，可能面临一定程度的加班
- 适合热爱大模型技术、有扎实系统工程能力、希望在医疗AI领域深耕的资深算法工程师
缺点 / 挑战
- 医疗场景对模型准确性和安全性要求极高，工作压力大
角色解读
- 技术纵深发展：成为大模型Infra或Agent系统领域的专家
- 跨领域拓展：结合医疗业务，向医学AI架构师或技术负责人发展
- 管理方向：带团队负责整体医疗AI平台建设
- 负责医疗AI大模型的训练、推理基础设施建设和优化，支撑问诊、诊断辅助等核心医疗场景
- 设计并实现Agentic Harness系统，包括任务环境、工具调用、评测体系和自动化迭代机制
- 建设后训练和Agentic RL基础设施，推动RLHF、DPO等技术的落地
- 优化推理系统性能，涉及分布式KV-Cache、Continuous Batching等方向，降低推理成本
- 扎实的编程基础，精通Python和PyTorch，熟悉C++/Rust/Cuda等高性能语言
- 熟悉大模型训练推理框架，如Megatron、vLLM、SGLang等
- 深入理解大模型原理，有分布式训练、Agentic RL或推理优化实战经验
- 高度AI-Native，善于利用AI提升研发效率
申请策略
- 在面试中展示你对大模型全链路的理解，而不只是单一模块
- 准备一个你主导的复杂系统设计案例，体现从研究到落地的能力
- 突出大模型训练/推理的项目经验，尤其是分布式系统、性能优化方面的成果
- 展示在Agent、RLHF、推理加速等方向的具体工作和技术贡献
- 列出顶会论文、开源项目贡献或竞赛成绩作为加分项
- 强调AI-Native实践，如使用AI提升研发效率的案例
- 如果不太熟悉医疗领域，可提前了解医学知识图谱、病历理解等概念
- 加强C++/Cuda编程能力，学习Triton或TileLang等高性能算子开发
面试指南
- STAR法则：描述背景、任务、行动、结果，突出技术难点和个人贡献
- 对比分析：当被问及技术选型时，列出不同方案的优缺点，并结合场景给出建议
- 系统思维：从整体架构角度回答，考虑扩展性、稳定性、成本等
- 请介绍你参与过的一个大模型训练或推理项目，遇到的最大挑战是什么？
- 如何设计一个面向医疗问诊场景的Agent系统，包括工具调用和评测？
- 解释Continuous Batching和Speculative Decoding的原理和优势
- 在RLHF中，PPO和DPO有什么区别？你更倾向于哪种？为什么？
- 如何优化大模型推理延迟？请给出具体方案
职位点评
71
综合评分
京东健康大模型算法岗，技术前沿、薪资较高、成长快，但WLB一般。
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。
更适合这类人
最适合追求技术成长、愿意在医疗AI前沿领域深耕的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利
75中等
京东为上市公司，薪资福利有竞争力，但未披露具体薪资范围，属于市场水准。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
90较高
该职位涉及大模型前沿技术（Agentic RL、推理优化等），技术成长空间大，公司有明确的研发投入。
技术前沿前沿/新兴技术
技术栈大模型、PyTorch、Transformer、FSDP、Cuda、Megatron、vLLM、SGLang、Agent、RLHF、DPO、PPO、GRPO、KV-Cache、Continuous Batching、Speculative Decoding
成长机会自进化、前沿AI能力
业务类型ambiguous
工作生活
40较低
仅现场办公，北京核心地段，未提及弹性工作或WLB，可能面临较大工作强度。
工作模式仅现场办公
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
70中等
医疗AI改善患者诊疗体验，社会价值较高；但JD未明确提及使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
京东 的其他在招职位
相似职位推荐
Watch Jobs