百度
后训练算法专家（J104317）
后训练算法专家（J104317）
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人工智能
人工智能
Dpo
Grpo
Llm-As-Judge
Pytorch
Rlhf
Sft
后训练
大模型
数据体系
值不值得投
82综合评分
综合评分 82
百度大模型后训练专家，技术前沿、薪资高，但工作强度可能较大。
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
65K
比人工智能中位数高
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 2850 个在招 · 其中人工智能 2 个
市场机会
选择面较广
北京 · 人工智能 · 约 130 个在招
职位详情
关于这个职位
作为百度后训练算法专家，你将专注于大模型在文档、搜索、创作等场景中的算法研发与效果优化，涉及指令理解、复杂推理、工具调用等关键能力
你将负责建设后训练数据体系、评测体系，并落地SFT、RLHF等对齐方案，推动模型在真实业务中稳定应用
该岗位要求深厚的大模型技术背景和工程实践能力，适合有志于在AI前沿领域深耕的算法人才
最低要求
计算机、人工智能、数学、统计学、电子信息等相关专业硕士及以上学历
具备 3 年以上大模型、自然语言处理、机器学习或相关方向研发经验
熟悉 Transformer 和大语言模型基本原理，对预训练、指令微调、偏好对齐、强化学习和模型推理有系统理解
具备大模型后训练、训练数据建设、模型评测或复杂业务场景模型优化经验，完整参与过至少一个从数据构建、训练实验到效果验证的大模型项目
熟练使用 Python 和 PyTorch，具备良好的数据处理、模型训练、实验分析和问题定位能力
能够将用户体验和业务效果问题转化为明确的模型问题、数据方案、评测指标和训练实验
具备良好的工程意识，关注实验可复现性、数据版本管理、模型回归、线上稳定性和推理成本
具备较强的自驱力、学习能力和结果意识，能够独立负责一个模型算法方向并推动落地
工作职责
负责大模型在文档、搜索、创作、研究分析和复杂办公等场景中的算法研发与效果优化，重点提升指令理解、复杂推理与规划、工具调用、长上下文理解、事实性及结构化生成等能力
建设大模型后训练数据体系，包括线上难例挖掘、任务轨迹分析、数据清洗、合成数据生成、偏好数据构造和数据质量评估
根据实际任务选择并落地 SFT、DPO、RLHF、GRPO、蒸馏等后训练与行为对齐方案，提升模型在目标场景中的效果、稳定性和泛化能力
建设模型评测体系，包括离线评测集、自动评估器、LLM-as-Judge、回归测试和线上实验，定位模型在理解、推理、工具调用和结果生成等环节的问题
分析真实用户任务中的模型失败案例，将线上问题转化为可训练的数据、可量化的指标和可验证的实验方案，形成持续迭代闭环
参与模型选型、大小模型协同、模型路由和推理策略优化，在任务效果、响应延迟与资源成本之间取得合理平衡
与产品和工程团队协作，推动模型能力稳定应用于线上产品
优先资格
有 SFT、DPO、RLHF、GRPO、Reward Model 等后训练实践经验
有 Tool-use、Agentic Model、推理模型或长上下文模型训练经验
有合成数据、Preference Data、Trajectory Data、难例挖掘或数据飞轮建设经验
有 Critic、Verifier、Process Reward、模型自检或结果验证相关经验
有大模型自动评测、LLM-as-Judge、Grader 或线上模型效果归因经验
熟悉 Qwen、DeepSeek、GLM、Llama 等开源模型，或熟悉 DeepSpeed、FSDP、Megatron-LM、vLLM、SGLang 等训练和推理框架
有 AI 搜索、文档理解、内容创作、Deep Research、代码生成或办公智能化相关经验
在大模型、自然语言处理或机器学习相关会议发表过论文，或有高质量开源项目贡献
AI 洞察
优缺点分析
优点
- 百度在AI领域投入巨大，大模型技术栈前沿，能接触真实业务场景
- 岗位涉及数据、训练、评测全链路，技术成长空间大
- 薪资水平高，福利完善，平台稳定
- 涉及多团队协作，沟通成本较大
缺点 / 挑战
- 大模型后训练技术复杂，需要持续学习，工作强度可能较高
- 模型效果优化需要长期迭代，结果导向压力大
- 适合对大模型技术有热情、具备扎实算法功底和工程能力，能承受一定压力并追求技术深度的求职者
角色解读
- 在百度AI体系内，可晋升为技术专家或团队负责人，主导大模型优化方向
- 积累后训练和评测经验，可向AI产品化、技术管理或创业方向发展
- 大模型领域持续火热，技能可迁移至其他AI公司或研究机构
- 负责大模型在文档、搜索、创作等场景的算法研发与效果优化，提升指令理解、复杂推理、工具调用等能力
- 建设后训练数据体系，包括难例挖掘、合成数据生成、偏好数据构造等，确保数据质量
- 落地SFT、RLHF、GRPO等后训练方案，并构建评测体系，通过LLM-as-Judge等方法定位模型问题
- 分析线上失败案例，形成数据-训练-评测的迭代闭环，并与产品工程团队协作推动落地
- 扎实的机器学习和大模型基础，熟悉Transformer、预训练、微调、对齐等原理
- 熟练使用Python和PyTorch，具备数据清洗、模型训练和实验分析能力
- 熟悉后训练技术栈，如SFT、DPO、RLHF、GRPO，以及相关框架如DeepSpeed、vLLM
- 具备工程意识，关注实验可复现性、模型性能、线上稳定性
申请策略
- 了解百度AI产品方向，如文心一言、搜索等，展示业务理解
- 准备项目案例，突出解决复杂问题的能力
- 突出大模型后训练项目经验，包括数据构建、训练实验和效果验证
- 强调SFT、RLHF等具体技术实践，以及模型评测体系搭建经验
- 展示开源项目或论文，体现技术影响力
- 量化成果，如模型效果提升、推理成本降低等
- 熟悉主流开源模型和训练框架，如DeepSpeed、vLLM
- 补充强化学习知识，如PPO、GRPO等
面试指南
- 使用STAR法则：情境-任务-行动-结果，突出技术细节和量化成果
- 请描述一个你负责的大模型后训练项目，如何构建数据并优化效果？
- SFT和RLHF的优缺点是什么？如何选择？
- 如何设计模型评测体系来定位问题？
- 如何处理线上模型失败案例并形成迭代闭环？
- 如何平衡模型效果和推理成本？
- 复习大模型基础和后训练技术，准备项目案例
- 了解百度AI产品和技术栈
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
百度作为大厂，薪资水平高，福利完善，但JD未明确具体薪资，需面议。
薪资信号面议 (50K-80K/月)
成长发展
95较高
岗位涉及前沿大模型技术，成长空间大，但JD未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈大模型、SFT、RLHF、GRPO、PyTorch、DeepSpeed、vLLM
业务类型profit_center
工作生活
60中等
工作地点在北京，现场办公，JD未提及弹性工作，可能加班。
工作模式仅现场办公
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
80较高
大模型技术推动AI发展，社会价值高，但JD未明确使命。
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
百度 的其他在招职位
相似职位推荐
Watch Jobs