百度
多模态大模型研发工程师（J105873）
多模态大模型研发工程师（J105873）
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人工智能
人工智能
Llm
Paddlepaddle
Pytorch
图像生成
多模态Ai
大模型
智能体
自然语言处理
视频生成
值不值得投
79综合评分
综合评分 79
技术前沿、成长空间大、业务影响力强，但需做好应对高强度研发的准备。
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
3.5万
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 1130 个在招 · 其中人工智能 24 个
市场机会
选择面较广
北京 · 人工智能 · 约 540 个在招
职位详情
关于这个职位
该职位负责百度文库与百度网盘相关多模态大模型的研发与优化，涉及文本、图像、视频等多种模态
核心工作包括提升大模型的通用智能体效果，探索高效调优策略与数据构建方法，并将AI技术与实际业务场景深度融合，推动相关创新应用的落地
最低要求
对多模态AI应用充满热情，有志于打造体验优秀、效果卓越的AI产品
具备1年以上多模态AI技术相关经验，熟悉文/图生图、文/图生视频、图像编辑、视频编辑等方向，具备良好的实战与优化经验
熟悉大语言模型（LLM）及智能体架构，拥有相关项目实践经验
具备机器学习、深度学习、自然语言处理或计算机视觉等领域的理论背景与实践经验
熟练掌握Python编程语言，至少熟悉PyTorch、TensorFlow、PaddlePaddle其中一种深度学习框架
具备良好的团队协作与沟通能力，能够独立分析与解决技术问题
工作职责
负责百度文库与百度网盘相关多模态大模型（涵盖文本、图像、视频）的研发与优化工作
参与提升大模型通用智能体效果，跟踪行业前沿技术，推动AI技术与实际业务场景的深度融合
探索高效的模型调优策略与高质量数据构建方法，开展大模型前瞻技术研究与趋势分析
设计、实现并优化大模型从样本构建到训练推理的全流程，提升研发效率与资源利用率
支持多模态AI技术平台化建设，推动相关创新应用的落地实践
优先资格
熟悉预训练模型的算法原理与实现细节，具备大规模模型预训练实践经验者优先
在相关顶级会议发表论文者优先
AI 洞察
优缺点分析
优点
- 能接触到业界顶尖的多模态AI技术和大规模数据，技术成长天花板高
- 参与百度网盘、文库等数亿级用户产品的AI核心研发，技术落地影响力大
- 在技术驱动的公司文化中，有机会接触和实践最前沿的AI技术趋势
- 多模态大模型研发技术难度极高，需要持续学习和跟进快速发展的技术
- 业务融合要求高，需要理解并解决实际业务场景中的复杂问题，而非纯学术研究
- 在大型技术平台中，需要处理好系统复杂性、资源调度和效率优化的平衡
缺点 / 挑战
- 适合对多模态AI有浓厚兴趣、希望将前沿技术应用于大规模实际产品、具备扎实工程实践能力且能承受一定技术挑战的求职者
角色解读
- 技术深耕路径：从工程师成长为资深工程师、技术专家或架构师，成为多模态AI领域的核心技术力量
- 技术管理路径：在技术能力突出后，可转向技术团队管理，负责更大规模的技术研发或产品创新
- 前沿探索路径：转向研究科学家或研究员角色，专注于更前瞻的AI技术研究与突破
- 负责为百度网盘、文库等产品开发能理解和生成文本、图像、视频的AI大模型
- 跟踪最新的AI技术，将学术界的突破转化为能实际解决业务问题的产品功能
- 研究并设计高效的方法来训练、优化这些庞大的模型，并搭建相关的技术平台
- 需要扎实的机器学习和深度学习理论基础，尤其是计算机视觉和自然语言处理
- 熟练使用PyTorch/TensorFlow等框架，并有处理文本、图像、视频多模态数据的实战经验
- 了解大语言模型（LLM）和智能体架构，并能进行模型的训练、调优与部署
- 需要具备工程化能力，能独立解决技术难题，并有良好的团队协作与沟通能力
申请策略
- 仔细研究百度文库、网盘现有的AI功能（如图像生成、智能摘要），思考如何用多模态技术改进或创新
- 在面试中，准备一个能体现你解决多模态AI实际问题能力的深度项目案例，讲清楚技术选型、难点与优化
- 重点突出1年以上多模态（文/图/视频生成、编辑）AI项目的具体经验与成果
- 详细描述使用PyTorch/PaddlePaddle等框架进行大模型训练、优化的实践经验
- 列举在机器学习、CV或NLP领域的理论课程、研究项目或开源贡献
- 如有，展示在顶级会议发表的论文或参与的知名开源项目
- 深入学习当前主流的多模态大模型架构（如扩散模型、Vision Transformer等）及其训练技巧
- 熟悉至少一种大模型推理和部署框架（如TensorRT, vLLM），了解工程化优化实践
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化描述项目经历，突出技术深度和个人贡献
- 对于技术问题，先阐述基本原理，再结合实际经验说明应用场景、权衡取舍和优化思路
- 在回答开放性问题时，展示你的系统性思维和技术视野，可以分模块或分步骤进行阐述
- 请介绍一个你参与过的多模态AI项目，你在其中负责哪个环节？遇到了哪些技术挑战，如何解决的？
- 对于文本生成图像（文生图）或图像编辑任务，你了解哪些主流模型架构？它们的优缺点是什么？
- 在大模型的训练或推理过程中，如果遇到资源不足或速度过慢的问题，你会从哪些方面考虑优化？
- 你如何理解“多模态大模型”与传统单一模态模型（如纯文本LLM或纯视觉CNN）的区别和联系？
- 如果让你设计一个基于多模态模型的智能体，让它能根据用户指令操作百度网盘的文件，你会如何构思其架构？
职位点评
薪资福利82
成长发展95
工作生活50
使命价值80
薪资福利
82较高
作为头部科技公司的核心AI研发岗位，薪资福利体系在市场中具有竞争力，能提供较好的经济回报和稳定性。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
95较高
该职位处于AI技术前沿，直接参与大模型从研发到落地的全流程，技术成长空间极大，是积累多模态AI核心竞争力的绝佳平台。
技术前沿前沿/新兴技术
技术栈多模态大模型、LLM、图像生成、视频生成、计算机视觉、自然语言处理、智能体、PyTorch、PaddlePaddle
成长机会跟踪行业前沿技术、大模型前瞻技术研究与趋势分析
业务类型profit_center
工作生活
50较低
JD未明确工作模式和WLB信息，但作为核心技术研发岗，且需深度融合业务，工作强度和投入度预计较高，生活化动机满足程度有限。
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
参与打造影响数亿用户的智能产品，将前沿AI技术转化为实际应用，具有较强的产品使命感和技术影响力。
行业发展高速增长赛道
社会影响中性/一般
使命信号推动AI技术与实际业务场景的深度融合、推动相关创新应用的落地实践
创新程度积极采用新技术
Watch Jobs