顺丰速运
大模型算法工程师-多模态方向
大模型算法工程师-多模态方向
发布于 大约 3 小时前普通员工/个人贡献者
深圳市
初级经验
全职员工
仅现场办公
博士
研究与开发 (研发)
SFT
目标检测
安全检测
视频理解
物流供应链
图像
文本
多模态大模型
RLHF
AI 估算 · 25k–45k
博士学历，多模态前沿方向，顺丰大厂，薪资有竞争力，但面议，结合深圳水平估算。
职位详情
关于这个职位
该职位是顺丰速运的大模型算法工程师（多模态方向），负责基于物流供应链的文本、图像、视频数据，构建垂域多模态大模型，并创新预训练、微调、强化学习等方法，最终落地到安全检测、违规巡检等场景，实现降本增效
岗位要求博士学历，有多模态相关研究经验和顶刊论文
最低要求
届博士，计算机/AI相关等相关专业博士，熟悉多模态大模型、PT-SFT-RLHF及目标检测，有垂域/物流项目经验，发过顶刊论文
工作职责
负责垂域多模态模型继续预训练，视频理解等能力的攻坚
AI 洞察
优缺点分析
优点
- 顺丰作为物流巨头，有丰富的数据和应用场景，能落地前沿技术
- 多模态大模型是当前AI热点，技能积累价值高
- 博士专属招聘，有完善的培养体系
- 物流场景复杂，对模型鲁棒性要求高
- 需要同时掌握视觉、语言、视频等多模态技术，学习曲线陡峭
- 适合有计算机视觉和自然语言处理交叉背景，对物流AI有热情，希望在产业界做技术落地的博士应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 向多模态大模型专家方向发展，成为领域技术带头人
- 向物流AI方向深化，成为行业解决方案专家
- 向管理方向发展，带领团队推动技术落地
- 负责物流供应链领域多模态大模型的预训练，提升模型对文本、图像、视频的理解能力
- 创新PT-SFT-RLHF方法论，优化模型在安全检测、违规巡检等场景的性能
- 与团队合作，将模型落地到实际业务中，实现降本增效
- 扎实的深度学习基础，熟悉Transformer、注意力机制等
- 精通多模态大模型训练，如CLIP、BLIP、LLaVA等，掌握PT-SFT-RLHF全流程
- 具备目标检测和视频理解能力，熟悉YOLO、Faster R-CNN、VideoMAE等
申请策略
- 提前了解顺丰在AI方面的布局，面试时展示对物流场景的理解
- 突出多模态相关项目经历和顶刊论文
- 详细描述PT-SFT-RLHF实践经验
- 展示在目标检测、视频理解方面的成果
- 补充物流供应链领域的知识
- 学习最新多模态模型如LLaVA-1.5、Qwen-VL等
面试指南
- 用STAR法则介绍项目，突出贡献和效果
- 结合物流业务需求设计任务，强调数据来源和标注方式
- 介绍一下你的多模态大模型项目，你具体负责什么？
- 如何设计一个针对物流场景的多模态预训练任务？
- RLHF中的reward model如何构建？
- 视频理解中如何处理长视频？
- 目标检测模型在物流场景中的挑战？
- 复习多模态经典论文和最新进展
职位点评
71
综合评分
顺丰多模态研发岗，技术前沿，薪资面议，工作地点深圳，WLB一般。
更适合这类人
适合以技术成长为首要目标、能接受现场办公和一定工作强度的博士求职者。
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
薪资面议，但顺丰上市体系提供有竞争力的薪酬和福利，博士学历有溢价空间。
薪资信号面议 (25K-45K/月)
成长发展
90较高
多模态大模型是前沿技术，岗位涉及预训练、SFT、RLHF等全流程，成长空间极大。
技术前沿前沿/新兴技术
技术栈多模态大模型、PT、SFT、RLHF、目标检测、视频理解
业务类型ambiguous
工作生活
50较低
仅现场办公，未明确WLB政策，深圳科技园通勤压力较大。
工作模式仅现场办公
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
70中等
物流供应链AI赋能降本增效，有实际社会价值，但行业本身偏传统，创新性一般。
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
顺丰速运 的其他在招职位
相似职位推荐
Watch Jobs