京东
大模型岗位
大模型岗位
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Prompt优化
分布式训练
大语言模型 (Llm)
推理加速
本体建模
知识图谱
值不值得投
79综合评分
综合评分 79
顶尖大厂核心AI研发岗，技术前沿性强，业务落地空间大，但工作强度可能较高
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
6.0万
比AI算法中位数高
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 1890 个在招
市场机会
选择不多
北京 · AI算法 · 10 个在招
职位详情
关于这个职位
负责京东物流业务场景下的大模型与多智能体（Multi-Agent）系统构建，涵盖模型预训练、推理加速及Agent协同设计
推进大模型在智能问答、数据归因与决策中的落地应用，结合本体建模优化业务流程，保持技术行业领先并实现业务收益
最低要求
参与生成式大模型能力构建，包括模型设计、预训练、后训练、模型推理加速及其他能力建设
参与多智能体（Multi-Agent）系统设计，涉及Agent角色划分、任务编排、工具调用、记忆与规划协同等
跟进并使用最先进的并行处理和分布式训练技术，提升大语言模型训练速度和推理能力，熟悉DeepSeek、Qwen系列等技术架构
推进大模型技术在京东物流各业务场景落地，包括智能问答、深度推理在数据归因和决策中的应用
结合本体建模、知识图谱与业务语义建模，对实体、关系、状态、规则、流程和工具进行结构化表达
深度探索大语言模型与多智能体、本体技术方向，推动Agent在复杂物流场景中的任务协同、流程查询、规则校验与可审计执行
符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信
工作职责
大模型与多智能体能力构建：参与生成式大模型能力建设，包括模型设计、预训练、后训练、Prompt优化、推理加速与评测
参与Multi-Agent系统设计，落地多智能体协同项目，提高组织效率
业务场景落地与本体建模：推进大模型在京东物流业务场景落地，包括智能问答、深度推理在数据归因与决策中的应用
技术探索与协同沉淀：跟踪大模型、多智能体、本体技术前沿，参与技术路线和方案评审
与业务、产品、工程、数据团队协同推进重点项目，沉淀可复用知识资产
AI 洞察
优缺点分析
优点
- 处于大模型与多智能体技术前沿，技术栈极具竞争力和前瞻性
- 依托京东物流庞大的业务场景，技术落地机会多，容易产出显著的业务价值
- 平台资源丰富，能接触到大规模分布式训练和高并发推理的实际案例
- 需要同时兼顾底层模型能力建设和上层业务场景落地，工作跨度大，对综合能力要求极高
- 作为巨头企业核心部门，内部竞争激烈，对技术创新和结果导向要求严格
- 适合在大模型/AI领域有深厚积累，且希望将前沿技术应用于实际大规模业务场景的高级工程师或技术专家
缺点 / 挑战
- 物流场景复杂度高，数据治理和业务理解难度大，可能面临技术落地效果不达预期的压力
角色解读
- 成为大模型与多智能体领域的专家级技术人才，主导公司级AI基础设施建设
- 向AI架构师或技术负责人方向发展，负责更复杂的AI系统设计与跨部门技术协同
- 深入物流行业数字化领域，成为懂技术又懂业务的复合型专家
- 构建和优化生成式大模型及多智能体系统，包括预训练、推理加速等底层能力建设
- 将大模型技术应用于京东物流的具体业务场景，如智能问答和数据决策支持
- 探索本体建模与知识图谱，提升Agent在复杂物流流程中的协同与执行能力
- 精通大语言模型原理，具备预训练、后训练及推理加速的实战经验
- 掌握多智能体（Multi-Agent）系统设计，包括角色划分、任务编排与工具调用
- 熟悉分布式训练技术和主流开源模型架构（如Qwen, DeepSeek）
- 具备本体建模、知识图谱构建及业务语义理解能力
申请策略
- 重点关注京东物流在供应链智能化方面的最新动态，准备针对具体物流场景（如仓储调度、路径规划）的AI解决方案思路
- 面试中需体现对技术前沿的敏感度以及对业务落地的务实态度
- 突出在大模型预训练、微调或推理加速方面的具体项目经验和量化成果
- 展示在多智能体系统设计或知识图谱/本体建模方面的实战案例
- 强调与业务团队协同，将AI技术转化为实际业务收益（如效率提升、成本降低）的经历
- 深入研究最新的多智能体协同框架（如LangGraph, AutoGen等）和本体建模标准
- 提升分布式训练和模型推理优化的工程实践能力，熟悉主流开源大模型的架构细节
- 加强业务逻辑抽象能力，学习如何将非结构化业务问题转化为可计算的AI任务
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型依据、难点攻克过程及最终的业务/技术指标提升
- 对于系统设计类问题，先阐述整体架构，再深入关键模块（如Agent交互协议、记忆机制），最后讨论扩展性与维护性
- 请详细介绍你参与过的大模型预训练或推理加速项目，遇到的最大挑战是什么？
- 如何设计一个高效的多智能体系统来处理复杂的物流任务？请谈谈Agent间的通信与协作机制
- 在本体建模和知识图谱应用中，如何解决业务语义与机器理解之间的鸿沟？
- 面对京东物流的海量数据，如何保证大模型推理的实时性和准确性？
- 你如何看待当前主流开源大模型（如Qwen, Llama）在工业界的应用局限与突破点？
- 复习大模型基础理论（Transformer架构、Attention机制、RLHF等）及最新进展
职位点评
薪资福利85
成长发展95
工作生活50
使命价值75
薪资福利
85较高
作为已上市的巨头企业，提供具有市场竞争力的薪资和完善的福利体系，满足较高的薪酬期望。
薪资信号未披露（AI估算：4.0千–8.0万/月）
成长发展
95较高
岗位聚焦于大模型与多智能体等最前沿技术领域，提供极高的技术成长空间和行业影响力。
技术前沿前沿/新兴技术
技术栈大模型、Multi-Agent、预训练、推理加速、DeepSeek、Qwen、本体建模、知识图谱
业务类型profit_center
工作生活
50较低
互联网大厂核心研发岗位通常工作强度较大，JD中未提及弹性工作或WLB保障，需做好高强度心理准备。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
通过技术手段提升物流行业效率，具有明确的商业价值和社会意义，但主要侧重于企业内部效能提升。
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