滴滴出行
大模型算法工程师
大模型算法工程师
发布于 大约 8 小时前普通员工/个人贡献者
北京市
其它
全职员工
仅现场办公
硕士
机器学习工程
Deepspeed
Megatron
Pytorch
Sft
大模型
强化学习
智能体
模型并行
继续预训练
AI 估算 · 30k–60k
大模型算法岗位技术壁垒高，北京一线大厂薪资竞争力强，硕士学历要求，薪酬处于行业头部水平。
职位详情
关于这个职位
该职位负责大模型的迭代与业务落地，涉及继续预训练、SFT、强化学习、智能体等前沿方向，需要扎实的深度学习和分布式训练基础，适合对LLM技术有热情、追求快速成长的人才
最低要求
硕士及以上学历，计算机科学、人工智能、机器学习、数据科学等相关专业优先;
有实际的大模型项目经验优先，包括但不限于继续预训练、指令微调、强化学习、智能体等方向;
熟悉Transformer架构、自注意力机制、位置编码等，掌握主流的大模型架构及优化算子(GQA、MQA、Flash Attention等);
掌握大模型训练技术，包括模型并行、数据并行、管道直并行等，熟悉不少于一种大模型训练框架(如DeepSpeed、Megatron等)，有多机多卡训练经验者优先;
熟悉大模型训练所需的数据流程设计、数据清洗、数据增强和标注策略，对数据质量、分布、多样性有独特的理解者优先;
有扎实的机器学习和深度学习理论基础，熟悉Pytorch、TensorFlow等深度学习框架;
有AI顶会发表者优先
工作职责
参与大模型的迭代工作，包括继续预训练、SFT、强化学习、OPD、智能体等，并参与业务的全链路落地实践
参与大模型在行业应用领域相关产品/项目技术方案的研究和创新，包括但不限于选型评估、快速部署验证、指令调优等环节，确保技术方案的成功落地;
团队技术氛围浓厚，紧跟LLM、Agent前沿论文/项目研究趋势，需要持续探索与技术分享，并快速复现
优先资格
有实际的大模型项目经验优先
有多机多卡训练经验者优先
对数据质量、分布、多样性有独特的理解者优先
有AI顶会发表者优先
AI 洞察
优缺点分析
优点
- 团队技术氛围浓厚，紧跟LLM前沿，能接触最新技术并快速实践
- 大模型领域人才稀缺，职业发展前景广阔，薪资竞争力强
- 大模型训练对计算资源要求高，需要投入大量时间进行调试和优化
- 安全业务场景复杂，可能受数据合规和业务限制，落地难度高
缺点 / 挑战
- 滴滴作为上市大厂，平台大、数据丰富，业务落地场景多，技术挑战与成就感并存
- 技术迭代极快，需持续学习最新论文和框架，学习压力大
- 适合对LLM技术有极强热情、具备扎实深度学习基础，喜欢挑战新技术且能承受高压的求职者
角色解读
- 从算法工程师向资深算法专家发展，深入大模型核心技术和架构设计
- 有机会晋升为技术负责人或团队骨干，带领方向性研究
- 可横向拓展至AI安全、智能体等前沿领域，实现技术广度提升
- 参与大模型迭代，包括继续预训练、SFT、强化学习、智能体等，并负责业务全链路落地
- 进行大模型行业应用的技术方案研究，包括选型评估、快速部署验证、指令调优等
- 紧跟LLM和Agent前沿研究趋势，进行技术探索、分享和快速复现
- 扎实的深度学习和机器学习理论基础，熟悉Transformer架构及主流大模型优化算子
- 掌握分布式训练技术，如模型并行、数据并行，熟悉DeepSpeed或Megatron框架
- 熟悉数据流程设计、清洗、增强和标注策略，了解数据质量对模型的影响
- 熟练使用PyTorch或TensorFlow，有实际大模型项目经验者优先
申请策略
- 研究滴滴国际安全业务场景，思考大模型如何应用在出行安全中
- 关注团队技术博客或开源项目，在面试中展示技术热情和匹配度
- 突出大模型相关项目经历，包括预训练、SFT、RLHF等具体环节，量化成果
- 强调分布式训练经验，如多机多卡、DeepSpeed/Megatron的使用，并描述遇到的问题和解决方案
- 如有AI顶会论文或开源项目，重点展示以增加技术深度信号
- 补充强化学习、Agent等前沿技术知识，动手复现相关论文代码
- 熟练掌握至少一种分布式训练框架的底层原理，尝试在小规模集群上实践
- 学习数据工程相关知识，提升数据清洗和构造能力
面试指南
- 用STAR法则描述项目经历，突出技术细节、个人贡献和最终效果
- 回答技术问题时，先讲原理，再结合实践案例展示深入理解
- 对于场景类问题，从业务需求、技术可行性、落地挑战等方面结构化回答
- 请介绍你参与过的大模型项目，具体负责哪些部分，遇到哪些技术难点？
- 如何设计数据清洗流程以保证训练数据质量和多样性？
- 简述Transformer架构中自注意力机制的原理，为什么需要位置编码？
- 在多机多卡训练中遇到显存不足或通信瓶颈时如何解决？
- 你认为大模型在出行安全领域有哪些潜在应用场景？
职位点评
68
综合评分
前沿大模型技术岗位，技术成长快，薪资竞争力强，但需现场办公且工作强度不确定。
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。
更适合这类人
适合追求技术前沿、渴望在大模型领域快速成长的求职者，对工作生活平衡要求不高。
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90
工作生活40
使命价值70
薪资福利
65中等
滴滴作为大厂薪酬有竞争力，但JD未披露具体薪资和福利，因此补偿性动机满足程度中等。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
大模型是当前最前沿技术方向，团队技术氛围浓厚，能深入参与核心模型迭代，成长空间大。
技术前沿前沿/新兴技术
技术栈大模型、SFT、强化学习、Agent、Transformer、DeepSpeed
业务类型ambiguous
工作生活
40较低
JD未提及远程或弹性办公，需要现场办公，工作强度可能较大，生活化动机满足有限。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
大模型技术具有行业社会价值，但JD未强调使命感和影响力，意义感主要来自技术本身。
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