携程
AI大模型算法专家(MJ030333)
AI大模型算法专家(MJ030333)
发布于 大约 17 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
Pytorch
Tensorflow
分布式训练
大模型
强化学习
推理加速
模型压缩
算法优化
值不值得投
71综合评分
综合评分 71
高要求的大模型算法专家岗，技术前沿且有业务落地价值，但具体的工作生活平衡未知。
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
50K
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 600 个在招 · 其中人工智能 4 个
市场机会
选择面较广
上海 · 人工智能 · 约 200 个在招
职位详情
关于这个职位
作为AI大模型算法专家，你将主导携程的大模型算法研究、训练调优与工程化落地
职责涵盖从模型压缩、分布式训练到推理加速的全链路优化，并结合对话系统、内容生成等核心业务场景，解决模型性能与实际应用中的挑战
你还将参与Agent架构设计，推动前沿技术在旅行领域的创新应用
最低要求
年以上大模型研发经验，5年以上算法研发经验，3年以上海外工作经验
精通PyTorch/TensorFlow框架，熟悉分布式训练工具
深入掌握Transformer架构及衍生技术，有丰富的大模型调优经验
熟练掌握大模型微调、蒸馏、强化学习等训练技术
具备完整的大模型训练-部署全链路经验
熟练掌握Agent架构
积极拥抱大模型等创新技术，有顶会论文发表者优先
工作职责
主导大模型的算法研究、训练调优及工程化落地，提升模型性能和效率
主导大模型压缩、分布式训练、推理加速等技术落地（如量化、MoE、FlashAttention等）
结合业务场景（如对话系统、内容生成、知识推理）设计模型优化方案，解决数据稀疏性、幻觉抑制等挑战
跟踪学术界与工业界最新进展，推动技术成果转化
主导技术方案输出，协同工程团队实现高性能服务部署
参与Agent架构设计，完成整体Agent项目落地
优先资格
有顶会论文发表者优先
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与大模型、Agent等最新技术的研发与应用，技术含金量高
- 业务价值：技术成果能直接应用于携程的核心业务（如智能客服、旅行内容生成），影响力可见
- 平台资源：依托大型上市公司的资源和数据，有条件进行大规模模型训练和业务验证
- 综合要求高：岗位要求同时具备扎实的算法研究能力、工程化能力和业务理解能力
- 适合拥有扎实算法基础、丰富大模型实战经验，且渴望将前沿技术应用于大规模真实业务场景的高级算法工程师或研究员
缺点 / 挑战
- 技术挑战：需要持续跟进极快的技术迭代，并解决大模型在实际业务中落地的复杂工程与算法难题
- 工作强度：作为核心技术岗位，预计在项目关键期会有较高的工作强度和责任心
角色解读
- 技术专家路线：持续深耕AI算法前沿，成为公司在大模型领域的核心技术专家或科学家
- 技术管理路线：在成为技术专家后，可带领算法团队，负责技术方向规划与团队管理
- 负责大模型算法的深度研究、优化和工程落地，提升模型在真实业务场景中的性能和效率
- 设计和实施模型压缩、分布式训练等技术方案，解决大模型部署中的性能瓶颈
- 将前沿的大模型技术（如Agent）与旅游、出行等具体业务场景结合，设计创新解决方案
- 必须具备深厚的大模型算法理论功底，精通Transformer架构和主流训练/优化技术
- 需要熟练掌握PyTorch/TensorFlow等框架，并有处理大规模分布式训练的实际工程经验
- 要求有将算法从研究到部署的全链路落地能力，并能针对业务问题（如对话、内容生成）进行定制化优化
申请策略
- 研究携程在AI领域的现有应用（如智能问答、旅行规划）和公开的技术博客，思考你的技术如何与之结合
- 准备阐述你对大模型在旅游/生活服务类场景中应用的理解，以及可能遇到的独特挑战（如数据稀疏性、多模态）
- 详细描述你参与过的大模型项目，特别是模型训练、优化、部署的全流程经验和具体成果（如性能提升指标）
- 突出你在分布式训练、模型压缩（量化/蒸馏）、推理加速等方面的具体实践和贡献
- 列出发表的顶会论文（如果有）以及掌握的Agent相关技术或项目经验
- 针对“Agent架构”的要求，可以系统学习并梳理相关理论与实践案例
- 回顾并整理你在大模型全链路（数据、训练、部署、监控）中的深度思考和优化经验
面试指南
- 对于项目经验问题，采用STAR原则（Situation, Task, Action, Result）清晰描述背景、任务、行动和量化结果
- 对于技术深度问题，结合理论理解（如原理、优缺点）和你的实践经验证明掌握程度
- 对于场景应用问题，先拆解业务需求，再从技术选型、难点预估和解决方案的角度进行结构化阐述
- 请介绍一个你主导的大模型优化项目，具体遇到了哪些挑战，你是如何解决的？
- 你如何理解大模型的“幻觉”问题？在实际业务中有哪些缓解策略？
- 描述一下你对MoE（Mixture of Experts）架构的理解，以及它在大模型训练中的优势与挑战
- 如果让你为携程设计一个基于Agent的智能旅行助手，你会如何规划其技术架构和核心模块？
- 你如何平衡学术界的最新研究和工业界的工程化落地？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
作为大型上市公司的核心技术专家岗位，薪资预期具备市场竞争力，但JD未明确提及具体福利细节。
薪资信号市场水准 (40K-60K/月)
成长发展
85较高
岗位直接接触大模型、Agent等前沿技术，并应用于核心业务，技术成长空间大，但未提及具体的培训或晋升路径。
技术前沿前沿/新兴技术
技术栈大模型、Transformer、MoE、FlashAttention、PyTorch、TensorFlow、分布式训练、模型压缩、强化学习、Agent
业务类型ambiguous
工作生活
50较低
JD未明确说明工作模式，作为算法研发岗位，通常以现场办公为主，WLB情况不确定。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
将AI大模型技术应用于旅游出行领域，有提升用户体验、创造社会价值的潜力，技术创新性强。
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