百度
大模型算法工程师（J105959）
大模型算法工程师（J105959）
发布于 9 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
Mcp
Rag
Rlhf
Sft
多模态
大模型
强化学习
智能体
视觉推理
值不值得投
83综合评分
综合评分 83
前沿AI技术驱动、大公司平台资源、技术成长性高，但工作强度与平衡需具体确认
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
4万
比人工智能中位数低
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 1140 个在招 · 其中人工智能 29 个
市场机会
选择面较广
北京 · 人工智能 · 约 550 个在招
职位详情
关于这个职位
这个职位负责预训练和微调多模态大模型，应用于百度地图场景，以提升模型效果
同时研究垂直领域奖励模型、强化学习后训练（RLHF/RLAIF），并构建地图生产智能体（Agent），探索任务规划、工具调用、多智能体协同等关键技术，最终实现智能体在复杂地图场景中的自主决策与持续进化
最低要求
有自动驾驶、地图或具身智能相关行业经验，有自动驾驶端到端大模型预训练经验者优先
数学、计算机相关专业，对大模型、智能体（Agent）技术充满兴趣与热情，发表过高水平论文者优先
动手实践能力强，具有大模型预训练、SFT、RLHF/RLAIF、Agent开发等实践经验
深入研究或参与过主流大模型、智能体框架或开源项目者优先，有GitHub相关项目、竞赛项目者优先
熟悉多模态大模型相关算法，包括但不限于CLIP、Diffusion、PPO、DPO、GRPO、MoE、视觉语言模型（VLM）等
熟悉Agent相关技术，包括但不限于Function Calling、MCP、Tool Use、Workflow、Multi-Agent、Memory、Planning、Reasoning、RAG等，具备智能体开发经验者优先
熟悉开源大模型，包括但不限于Qwen、LLaMA、DeepSeek等，具有模型训练、推理优化或部署经验者优先
具备复杂系统设计能力，能够结合业务场景设计Agent架构，实现大模型与工具链、知识库、业务系统的深度融合
责任心强，积极主动，具备优秀的沟通能力、团队协作能力及技术攻关能力
工作职责
预训练和微调多模态大模型，建设在地图应用场景效果领先的模型，针对落地场景中遇到的实际问题进行算法改进与效果提升
研究垂直领域的奖励规则和奖励模型，通过强化学习后训练（RLHF/RLAIF等），提升基座模型的领域知识推理能力
构建地图生产智能体（Agent），研究基于大模型的任务规划、工具调用、多智能体协同、长链路推理等关键技术
研究智能体记忆、环境感知、世界模型（World Model）、MCP（Model Context Protocol）、Agent Workflow等关键技术，提升智能体在复杂地图场景中的自主决策与持续进化能力
研究前沿文本/多模态模型架构与高效训练推理技术，在先进模型结构、对齐训练算法、强化学习、推理时Scaling、高效奖励模型设计、视觉推理、机制解释、Agent推理等方向持续探索并产出具有影响力的研究成果
AI 洞察
优缺点分析
优点
- 接触前沿多模态大模型和智能体技术，技术成长性强
- 依托百度地图业务，应用场景明确且具有实际价值
- 大公司平台资源丰富，有利于积累行业经验和人脉
- 技术难度高，需要持续跟进AI领域快速迭代
- 项目涉及复杂系统，跨团队协作与沟通要求高
缺点 / 挑战
- 可能存在较高工作强度，需适应快节奏研发环境
- 对AI技术有深厚兴趣和实践经验，追求技术深度和创新，能接受挑战性工作的研究者或工程师
角色解读
- 成为AI算法专家或研究员，深耕地图与智能体领域
- 转向技术管理，领导AI团队推进业务创新
- 参与开源社区或学术合作，扩大技术影响力
- 负责多模态大模型的预训练、微调及在地图场景的优化应用
- 研究并构建智能体（Agent）系统，提升地图任务的自主决策能力
- 探索强化学习、奖励模型及前沿模型架构，产出有影响力的研究成果
- 大模型预训练与微调（如SFT、RLHF/RLAIF）
- 多模态算法（CLIP、Diffusion等）和智能体技术（MCP、RAG等）
- 复杂系统设计与开源大模型（如Qwen、LLaMA）实践经验
申请策略
- 提前了解百度地图业务场景和技术栈，针对性准备面试
- 在面试中展示对多模态和Agent技术的热情与思考深度
- 突出大模型预训练、智能体开发等相关项目经验与成果
- 强调论文发表、GitHub贡献或竞赛成绩等学术/实践能力
- 展示多模态算法和强化学习的具体应用案例
- 深入学习强化学习算法（如PPO、DPO）及智能体架构设计
- 实践开源大模型（如DeepSeek）的训练与优化，提升工程能力
面试指南
- 结合具体项目经验，阐述从问题定义、技术选型到效果提升的全过程
- 使用STAR法则（情境-任务-行动-结果）结构化回答，突出技术深度和解决问题的能力
- 展示对前沿技术的理解，如多模态对齐、奖励模型设计等，并联系实际应用场景
- 如何预训练和微调一个多模态大模型以适用于地图场景？
- 请解释RLHF/RLAIF在提升模型推理能力中的作用，并举例说明
- 如何设计一个智能体（Agent）系统来实现复杂的地图任务规划？
- 你熟悉哪些开源大模型框架？请分享一个优化模型推理效率的案例
- 在多智能体协同中，如何解决环境感知和记忆管理的问题？
职位点评
薪资福利85
成长发展90
工作生活70
使命价值80
薪资福利
85较高
该职位在百度这样的大型上市公司，薪资具有市场竞争力，福利体系相对完善
薪资信号偏高 (3千–5万/月)
成长发展
90较高
涉及多模态大模型、智能体等前沿AI技术，提供持续的技术挑战和成长机会
技术前沿前沿/新兴技术
技术栈大模型、多模态、强化学习、智能体、RLHF、MCP、RAG
业务类型profit_center
工作生活
70中等
JD未明确工作模式和办公灵活性，可能默认现场办公，工作与生活平衡情况需进一步确认
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
80较高
百度地图是重要的智能出行应用，推动AI技术在现实场景落地，具有较高的社会价值
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
Watch Jobs