携程
AI大模型算法专家(MJ035411)
AI大模型算法专家(MJ035411)
发布于 大约 15 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
PyTorch
强化学习
TensorFlow
量化
模型压缩
分布式训练
MoE
Flashattention
Agent架构
AI 估算 · 40k–70k
大模型专家稀缺，薪资溢价明显，携程上市大厂福利完善，但相比互联网头部有所差距，市场行情月薪40-70K。
职位详情
关于这个职位
该职位是携程AI大模型算法专家，负责主导大模型的算法研究、训练调优与工程落地，包括模型压缩、分布式训练和推理加速等技术
你将结合对话系统、内容生成等业务场景，解决数据稀疏性和幻觉抑制等挑战，并参与Agent架构设计
适合有大模型全链路经验的资深算法工程师
最低要求
任职资格：硕士及以上学历，2年以上大模型研发经验，5年以上算法研发经验
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
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
- 携程是OTA巨头，数据丰富，业务场景多样（客服、推荐、内容生成），大模型应用空间大
- 岗位涉及核心AI技术栈，能持续接触前沿技术（MoE、FlashAttention、Agent等），技能积累价值高
- 薪资竞争力强，且公司已上市，福利稳定（五险一金、年终奖等）
- 业务落地中需要处理数据稀疏、幻觉等行业难题，对创新能力要求高
- 公司规模大，跨团队协作多，需要较强的沟通和项目管理能力
- 适合具备大模型全链路经验、热爱技术钻研、希望在旅游场景落地AI的资深算法工程师
缺点 / 挑战
- 大模型领域竞争激烈，需要持续学习跟进，技术压力较大
角色解读
- 技术纵深：大模型算法专家 → 首席科学家 / AI研究员，专注前沿算法创新
- 管理路线：技术负责人 → AI团队经理 → 技术总监，带领团队完成业务突破
- 业务结合：深入携程旅游业务，成为AI+旅游领域专家，具备行业影响力
- 主导大模型的算法研究与训练调优，包括模型压缩、分布式训练、推理加速等关键技术落地
- 结合携程业务场景（如对话系统、内容生成）设计优化方案，解决数据稀疏性和幻觉抑制等挑战
- 跟踪前沿技术，推动成果转化，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
- 精通PyTorch/TensorFlow，熟悉分布式训练框架，掌握Transformer架构及衍生技术
- 熟练掌握大模型微调、蒸馏、强化学习等训练技术，具备完整训练-部署全链路经验
- 熟悉模型压缩技术（量化、MoE、FlashAttention等），有实际优化经验
- 掌握Agent架构，能独立设计并落地Agent系统
申请策略
- 面试前了解携程的AI产品（如携程问问、智能客服），准备针对性的优化方案
- 强调技术落地能力，而非仅理论，最好有线上服务的性能数据
- 突出大模型训练-部署全链路项目经验，特别是模型压缩、分布式训练、推理加速等具体成果
- 强调在对话系统、内容生成或知识推理等场景的优化案例，量化效果（如降低延迟、提升准确率）
- 列出顶会论文或开源贡献，体现学术和工程能力
- 展示Agent架构设计经验，说明实际落地成果
- 深入学习FlashAttention、MoE等最新高效架构，动手实现或复现论文
- 补充强化学习（RLHF）技术，熟悉PPO等算法在语言模型调优中的应用
面试指南
- 对于项目介绍，遵循STAR原则：情境、任务、行动、结果，突出技术难点和量化成果
- 对于原理性问题，先复述核心概念，再结合个人理解对比优劣，展示深度
- 对于方案设计，分步骤阐述：问题分析 → 方案对比 → 选型理由 → 预期效果
- 请介绍你主导的大模型训练-部署全链路项目，遇到的最大挑战是什么？如何解决？
- Transformer架构中，为什么多头注意力有效？解释FlashAttention的原理和优势
- 大模型推理加速有哪些常用方法？如何权衡速度与效果？
- 在对话系统中，如何缓解大模型的幻觉问题？给出具体方案
- Agent架构的关键组件有哪些？如何设计一个可靠的Agent系统？
职位点评
71
综合评分
大厂核心AI岗，薪资偏高，前沿技术栈，成长空间大但WLB一般。
更适合这类人
适合以技术成长为首要目标、愿意投入高强度工作、追求前沿技能积累的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
携程上市大厂，薪资在大模型领域有竞争力，福利完善（五险一金、年终奖等），但未明确股票期权，薪资偏高但非顶级。
薪资信号偏高 (40K-70K/月)
福利待遇五险一金、年终奖
成长发展
90较高
岗位聚焦前沿大模型技术（MoE、FlashAttention、Agent等），深度参与核心算法研究与落地，成长空间大。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、Transformer、分布式训练、模型压缩、量化、MoE、FlashAttention、强化学习、Agent架构
业务类型profit_center
工作生活
50较低
职位未明确远程或弹性工作，推测现场办公；上海办公室位于市区，但行业内大模型岗位通常需要较大投入，工作强度可能较高。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
AI大模型在旅游行业应用有积极社会价值，能改善用户出行体验，行业处于高速增长期，但岗位更偏向技术实现，使命导向不强。
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
Watch Jobs