百度
大模型算法工程师（J104493）
大模型算法工程师（J104493）
发布于 大约 14 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Cot
Llm
Pytorch
Rag
Vlm
大模型
强化学习
智能体
AI 估算 · 30k–60k
大模型算法岗需求旺盛，技术门槛高，百度平台薪资有竞争力，考虑到北京生活成本和岗位稀缺性，月薪偏高。
职位详情
关于这个职位
作为百度大模型算法工程师，你将专注于智能体（Agent）系统的全链路设计与开发，涉及LLM/VLM的预训练与后训练，并结合强化学习、RAG、CoT等前沿技术推动模型能力突破
岗位技术含量高，适合有扎实算法功底和工程落地能力的候选人，能够参与从算法研究到商业化产品的全流程
最低要求
本科及以上学历，包含但不限于计算机、信息工程、人工智能、软件工程、电子工程、统计学、应用数学等相关专业
深入理解 ReAct、CoT、Plan-and-Execute 等主流 Agent 原理，熟练使用 PyTorch、LangChain等框架，具备 Agent 系统从算法设计到工程落地的完整能力
深入理解大模型技术原理，追踪大模型、智能体、强化学习等领域前沿技术，具备快速将学术成果落地为商业化产品的实战能力
业务理解力强，自驱力突出，沟通表达清晰，具备良好的跨团队协作能力
工作职责
负责智能体（Agent）系统全链路设计与开发，搭建具备自主规划、复杂推理、动态决策能力的多模态智能体架构，推动智能体在实际业务场景的规模化落地
主导智能体核心算法研发与迭代优化，深耕意图理解、多步任务规划、工具调用、长短期记忆管理、多智能体协同等核心模块，持续提升任务完成准确率与系统鲁棒性
搭建多维度智能体评估体系，建立效果、效率、资源成本一体化量化指标，驱动产品与算法持续迭代与自进化
从事LLM、VLM的预训练、后训练（SFT/RLHF）及应用落地算法研究
结合强化学习、检索增强（RAG）、思维链（CoT）等前沿技术，推动模型能力边界突破
优先资格
有智能体产品从早期搭建经历，顶级会议论文（CVPR/ACL/ICML等），ACM、IOI、IMO等竞赛获奖，知名开源项目核心贡献者优先
AI 洞察
优缺点分析
优点
- 站在AI技术最前沿，接触大规模预训练与后训练技术，积累稀缺经验
- 百度技术底蕴深厚，平台能提供海量数据和算力资源，个人成长速度快
- 智能体是当下AI最热门方向之一，赛道景气度高，职业发展空间广阔
- 技术迭代快，需要持续学习高强度投入，保持对前沿论文和工具的跟踪
- 算法落地需要深度理解业务，跨部门沟通协作复杂，要求综合能力高
缺点 / 挑战
- 薪资待遇优厚，且有较高的行业认可度
- 工作强度可能较大，尤其面临项目交付和技术突破压力时
- 适合对大模型和智能体技术有强烈热情、具备扎实算法功底和工程能力，并愿意在高压力环境下快速成长的工程师
角色解读
- 从算法工程师成长为技术专家，深耕大模型与智能体方向，成为团队核心研发骨干
- 向技术管理方向发展，主导大型AI项目的架构设计与团队协作，带领团队攻克技术难关
- 随着智能体技术在产业中的大规模应用，可成为行业解决方案专家，影响产品战略方向
- 设计并开发智能体系统，涵盖规划、推理、决策等核心模块，实现多模态交互与自动化任务执行
- 优化大模型在具体业务场景中的表现，通过SFT/RLHF等方法提升模型准确率和鲁棒性
- 搭建评估体系，量化智能体的效果、效率与资源成本，推动算法持续迭代
- 探索强化学习、RAG、CoT等前沿技术，并将研究成果快速落地为商业化产品能力
- 扎实的机器学习/深度学习基础，熟悉Transformer架构及LLM/VLM的原理与训练方法
- 熟练掌握PyTorch、LangChain等框架，具备Agent系统从算法设计到工程部署的完整能力
- 熟悉ReAct、CoT、Plan-and-Execute等主流Agent范式，理解意图理解、任务规划、工具调用等模块
- 优秀的编程能力和跨团队协作能力，能够将学术成果高效转化为工程实践
申请策略
- 了解百度在智能体方向的产品布局（如文心一言插件机制等），在面试中展示对业务结合点的思考
- 准备1-2个能体现你完整参与Agent系统开发的项目故事，从问题定义到最终效果，突出技术选型和难点攻克
- 突出参与过的Agent或大模型相关项目，特别是从0到1的搭建经历，量化成果如准确率提升、性能优化等
- 展示学术成果或竞赛获奖：顶级会议论文、ACM/IOI等竞赛获奖，或知名开源项目贡献，能显著加分
- 强调工程落地能力，例如使用PyTorch、LangChain部署生产级系统的经验，以及处理大规模数据/分布式训练的经验
- 在简历中体现对技术原理的理解，如对ReAct、CoT、RLHF等有深入分析
- 深入学习Agent相关论文和开源框架（如AutoGPT、LangChain），动手实现一个完整Agent应用
- 补强强化学习基础，特别是RLHF、PPO等在大模型中的应用原理
面试指南
- 采用STAR法则：背景-目标-行动-结果，突出个人贡献和技术难点
- 先阐述基本原理，再结合自己的实践经验，最后补充对前沿方向的理解
- 遇到开放设计题时，先明确约束条件，再分层拆解（数据、模型、策略、工程），逐步给出可落地方案
- 请详细描述你参与过的一个Agent系统，包括架构设计、核心算法和遇到的问题
- 解释ReAct和CoT的区别与联系，以及你在实际项目中如何选择
- 如何评估一个智能体系统的效果？你会设计哪些指标？
- 谈谈你对RLHF的理解，以及它在大模型训练中的作用
- 面对一个新业务场景，如何设计智能体的规划与工具调用流程？
职位点评
70
综合评分
顶级AI平台、前沿技术栈、高挑战高回报，但WLB不确定性高。
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
适合强烈追求技术成长、渴望在大模型前沿领域深耕的求职者，同时能接受高强度工作节奏。
表现最好
成长发展
相对薄弱
工作生活
薪资福利72
成长发展92
工作生活40
使命价值65
薪资福利
72中等
大厂薪资具有竞争力，稳定性较好，但JD未明确具体薪酬福利，需在面试中确认。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
92较高
处于AI最前沿领域，技术挑战大，成长空间极高，能持续积累稀缺的大模型与智能体经验。
技术前沿前沿/新兴技术
技术栈大模型、智能体、LLM、VLM、SFT、RLHF、强化学习、RAG、CoT、PyTorch、LangChain
业务类型profit_center
工作生活
40较低
工作地点在北京，JD未提及弹性办公或远程，大厂算法岗通常加班较多，工作生活平衡一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
推动AI技术商业化落地，有一定的行业影响力，但以商业价值为导向，社会意义中性。
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
百度 的其他在招职位
相似职位推荐
Watch Jobs