滴滴出行
27届秋招-大模型算法工程师
27届秋招-大模型算法工程师
发布于 大约 4 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
本科
NLP工程
Llm
Prompt Engineering
Rag
Rlhf
Sft
全栈开发
大模型
强化学习
机器学习
AI 估算 · 35k–50k
北京大厂大模型算法岗，技术前沿且需求旺盛，薪资竞争力强，通常为15薪左右。
职位详情
关于这个职位
该职位负责大语言模型的研发与优化，涉及SFT、RLHF等前沿算法探索，并需要具备全栈开发能力，借助AI工具高效实现功能落地
适合对AI有浓厚兴趣、自驱力强、适应探索性工作的应届生
最低要求
届毕业生，本科及以上学历，计算机科学、软件工程、人工智能及相关专业优先
对AI技术及AI应用具有浓厚兴趣，有实际使用主流大模型产品（如ChatGPT、Claude、Gemini等）的经验，了解大模型的能力边界
具备前后端全栈开发能力，能熟练借助AI编程工具（如Claude Code、Cursor等）提升研发效率，独立完成功能模块的开发与调试
具备较强的自驱力与执行力，在信息不充分的情况下能主动推进任务落地，具备owner意识
学习能力强，能快速上手新技术工具，适应探索性、实验性工作节奏
逻辑思维清晰，具备良好的沟通与协作能力，能与产品、算法等跨职能团队高效配合
工作职责
参与基础大语言模型应用研发
结合机器学习、强化学习等技术优化基础大语言模型
调研并探索SFT/RLHF方向前沿算法、框架，持续提升现有算法的效率与效果
优先资格
有Prompt Engineering、RAG、Agent搭建等实操经验
有大模型相关项目开发、调优或产品设计经历
有评测体系构建或数据Pipeline相关实践经验
对AI产品形态及Agentic工作流有独立、深入的思考与见解
AI 洞察
优缺点分析
优点
- 身处AI大模型赛道，技术前沿，个人成长速度快，积累的经验市场价值高
- 滴滴作为大厂，平台资源丰富，能够接触海量业务场景和真实数据
- 岗位要求全栈能力，有助于培养综合技术素养，拓宽职业发展路径
- 大模型领域技术迭代快，需要持续学习，保持对前沿动态的敏感度
- 实验性工作节奏可能不稳定，任务目标有时模糊，需要较强的自驱力和抗压能力
- 岗位对全栈能力有要求，需要同时关注前后端，技能栈要求较宽，入门门槛不低
- 适合对AI技术有极大热情、自驱力强、喜欢探索未知领域并且具备较好编程基础的2027届应届生
缺点 / 挑战
- 创新事业部氛围更偏探索，自主空间大，适合喜欢挑战和创新的求职者
角色解读
- 可以从大模型算法工程师起步，逐步深入SFT/RLHF等核心方向，成为算法专家
- 未来可转向大模型应用架构师、AI技术负责人或产品技术复合型人才，发展空间广阔
- 在滴滴创新事业部，有机会参与前沿AI项目的全流程，积累丰富的业务落地经验
- 参与基础大语言模型的研发与优化，专注于SFT、RLHF等前沿技术的算法实现与效果提升
- 结合机器学习与强化学习技术，探索大模型在新应用场景中的潜力，并推动实际落地
- 利用全栈开发能力，借助AI编程工具高效完成功能模块的开发、调试与迭代
- 与产品、算法等跨职能团队协作，将技术研究成果转化为可用的产品能力
- 扎实的编程基础，具备前后端全栈开发能力，熟练使用Python及相关框架
- 熟悉主流大模型产品（如ChatGPT、Claude、Gemini）的能力边界，并有实际应用经验
- 掌握机器学习、深度学习基础，了解SFT、RLHF等大模型训练与优化技术
- 具备较强的自驱力和学习能力，能快速适应探索性、实验性工作节奏，并有效使用AI工具提效
申请策略
- 在简历中明确标注2027届身份，并突出对AI的浓厚兴趣和实际应用经验
- 申请时可以附上个人GitHub或技术博客，展示技术深度和动手能力
- 突出大模型相关的项目经历，包括模型微调、RAG、Agent搭建或Prompt Engineering等实操经验
- 强调全栈开发能力，展示独立完成的前后端项目，尤其是利用AI工具提效的案例
- 体现自驱力和owner意识，例如主动发起的技术探索或竞赛经历
- 如果有评测体系或数据Pipeline相关实践经验，务必详细说明
- 提前深入学习SFT、RLHF的经典论文和主流开源框架（如LLaMA、DeepSpeed），并动手实践
- 补充RAG、Agent、LangChain等应用层技术，尝试搭建一个小型项目
面试指南
- 对于项目类问题，采用STAR法则：背景-任务-行动-结果，重点突出你的贡献和量化成果
- 对于技术原理问题，先讲概念，再对比分析，最后结合实践经验，体现理解深度
- 对于开放性思考题，给出结构化回答：明确目标-拆解步骤-提出方案-考虑风险
- 请详细描述一个你做过的大模型相关项目，包括技术选型、实现过程和改进效果
- SFT和RLHF的流程是怎样的？你如何理解它们在提升大模型能力中的作用？
- 如何设计一个RAG系统？如何处理检索质量对生成结果的影响？
- 你如何看待Agentic工作流？它可能会带来哪些挑战？
- 面对不明确的任务目标，你会如何推进工作？请举例说明
职位点评
72
综合评分
大厂创新事业部，大模型前沿技术，成长性强但WLB一般。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合追求技术成长、对AI前沿有强烈热情、能接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展92
工作生活45
使命价值75
薪资福利
65中等
JD未提及具体薪资和福利，但大厂算法岗通常薪资竞争力较好，且作为校招岗位提供稳定平台。
薪资信号未披露（AI估算：35K-50K/月）
成长发展
92较高
岗位深度参与大模型前沿技术研发（SFT/RLHF），技术成长空间大，且创新事业部探索性强，非常利于技能积累。
技术前沿前沿/新兴技术
技术栈大模型、LLM、SFT、RLHF、机器学习、强化学习、Prompt Engineering、RAG、Agent
业务类型ambiguous
工作生活
45较低
JD未提及远程或弹性办公，也未承诺WLB，互联网大厂算法岗通常工作强度较高，生活平衡可能受影响。
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
AI大模型属于高速增长赛道，技术价值和社会关注度高，创新业务对行业有推动作用，意义感较强。
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
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs