顺丰速运
大模型算法工程师-大语言模型
大模型算法工程师-大语言模型
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Agent系统
Deepspeed
Megatron
Pytorch
大语言模型
模型训练
算法评测
值不值得投
78综合评分
综合评分 78
前沿大模型技术栈、产业落地场景丰富、学术与工程并重，WLB待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.5万
比机器学习工程中位数低
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 610 个在招 · 其中机器学习工程 4 个
市场机会
选择面较广
上海 · 机器学习工程 · 约 400 个在招
职位详情
关于这个职位
负责物流场景下的大语言模型与Agent系统研发，涵盖全链路训练、国产化算力适配、评测体系搭建及仿真环境构建
通过高质量数据构造与算法优化，推动大模型在复杂决策问题中的落地应用，并支持技术成果向顶会论文与专利转化
最低要求
硕士及以上学历，计算机科学、人工智能、数学、统计学等相关专业
深入理解大语言模型核心原理，熟悉预训练、SFT、RLHF 等训练流程，掌握 Transformer 架构与常见优化算法
对 Agent 系统的核心机制（任务规划、工具调用、记忆管理、多智能体协作）有深入研究，持续跟踪领域前沿技术动态
扎实的代码功底与软件工程能力，熟练使用 Python 与主流深度学习框架（PyTorch/DeepSpeed/Megatron 等），具备良好的数据结构与算法基础
具备较强的问题分析与解决能力，对前沿技术有高度热情，善于利用 AI 工具提升研发效率，能够平衡研究探索与工程落地
工作职责
搭建面向物流复杂业务场景的 Agent 仿真运行环境，设计多维度场景化任务集，沉淀高质量交互数据与标准化工具链，支撑决策型 Agent 的模型迭代与效果验证
负责物流垂域大模型的全链路训练工作，涵盖高质量训练数据构造、预训练 / 后训练算法优化、训练效率与效果提升
主导国产化训练框架与核心算子的适配调优，保障模型在国产算力平台的稳定高效运行
搭建大模型与 Agent 系统的全维度评测体系，建设标准化测试集与自动化评测平台，通过量化分析定位模型能力短板，输出可落地的迭代优化方案
跟踪大模型与 Agent 领域的前沿技术进展，开展创新性研究，沉淀技术成果，共同推进顶会论文发表与技术专利申请
优先资格
在国内外知名算法竞赛获得较好名次
在 NeurIPS、ICML、ICLR、ACL 等 AI 顶会以第一作者身份发表论文
在知名开源项目有重大贡献
有物流、供应链等垂域大模型或 Agent 系统落地经验
有国产化训练框架（如 MindSpore）、国产算力平台适配与算子优化经验
AI 洞察
优缺点分析
优点
- 直面真实物流产业场景，技术价值可直接在复杂决策问题中落地验证，避免纯理论空转
- 全链路参与大模型研发，技术栈覆盖训练、适配、评测与Agent构建，能力成长全面
- 明确支持学术成果转化，鼓励顶会发表与专利申请，兼顾工程实践与科研影响力
- 加入从0到1搭建技术体系的核心团队，个人职业发展与公司业务扩张深度绑定
缺点 / 挑战
- 需在高强度研发节奏下平衡学术探索与工程交付，面临双重考核压力
- 国产算力平台适配与算子调优存在较多底层技术瓶颈，调试周期长且容错率低
- 物流场景数据异构性强、噪声大，高质量数据构造与标准化评测体系建设难度较高
- 适合具备扎实算法基础、对大模型与Agent技术有浓厚兴趣，且希望将前沿AI技术应用于实体产业、能承受一定研发压力的求职者
角色解读
- 纵向深耕：向大模型架构师、首席算法专家或AI技术负责人方向发展，主导公司级AI战略落地
- 横向拓展：转向AI产品化、供应链数字化解决方案架构师，或负责技术团队管理与人才培养
- 学术融合：依托公司资源持续产出顶会论文与专利，成为兼具工程落地能力与学术影响力的复合型专家
- 负责物流垂直领域大模型的全链路训练与算法优化，包括数据构造、预训练与后训练调优
- 构建面向复杂业务场景的Agent仿真环境与评测体系，支撑决策型智能体的迭代验证
- 主导国产化训练框架与核心算子的适配调优，保障模型在国产算力平台的高效稳定运行
- 跟踪大模型与Agent前沿技术，开展创新性研究并推动技术成果转化为论文与专利
- 深入掌握大语言模型核心原理，熟悉预训练、SFT、RLHF等完整训练流程及Transformer架构
- 精通Agent系统核心机制，包括任务规划、工具调用、记忆管理与多智能体协作逻辑
- 具备扎实的Python编程与软件工程能力，熟练运用PyTorch、DeepSpeed、Megatron等主流框架
- 拥有优秀的算法设计与数据分析能力，能独立搭建自动化评测平台并输出优化方案
申请策略
- 提前调研顺丰物流核心业务痛点（如路径规划、仓储调度、客服决策），准备针对性的AI解决方案思路
- 关注公司技术博客与公开专利，了解其AI技术布局方向，面试时展现业务理解与技术契合度
- 重点突出大模型训练/微调项目经验，详细说明数据构造策略、超参调优过程与量化效果提升
- 展示Agent系统设计细节，包括任务拆解逻辑、工具调用接口设计与多智能体协作机制
- 强调Python与深度学习框架实战能力，附带GitHub开源项目或高性能计算优化案例
- 体现跨学科解决问题能力，如结合运筹学、统计学知识优化模型决策输出
- 补充国产算力框架（如MindSpore、PaddlePaddle）的使用经验，熟悉算子开发与性能 profiling
- 强化数据清洗、自动化评测平台开发与分布式训练加速技能，提升工程落地效率
面试指南
- 采用STAR法则结构化回答：清晰交代项目背景与目标，突出个人在方案设计、技术选型与攻坚过程中的具体贡献，最后用量化指标证明结果
- 针对底层技术问题，先阐述核心原理与数学/工程依据，再结合具体场景说明实现路径、踩坑经验与替代方案，展现系统性思维
- 对于开放型业务问题，先拆解业务约束条件，提出分阶段实施路线（数据-模型-评测-部署），并主动讨论ROI与风险控制
- 请详细介绍你参与过的大模型训练全流程，遇到过哪些关键挑战及如何解决？
- 如何设计Agent的任务规划与工具调用机制？在多智能体协作中如何处理冲突与通信？
- 面对国产算力平台，如何进行算子适配、显存优化与分布式训练性能调优？
- 如何构建大模型的多维度自动化评测体系？如何定义指标并定位模型能力短板？
- 请结合物流场景，说明如何将大模型技术应用于复杂决策问题并评估落地效果
职位点评
薪资福利75
成长发展90
工作生活65
使命价值80
薪资福利
75中等
顺丰作为上市物流企业，薪酬结构稳健且福利体系完善，虽为面议但结合行业地位与算法岗市场行情，整体现金回报与长期激励具备较强竞争力。
薪资信号面议 (2.5千–4.5万/月)
成长发展
90较高
岗位提供从0到1搭建技术体系的机会，明确支持顶会论文发表与专利申请，技术栈覆盖前沿大模型与Agent，成长空间广阔。
技术前沿前沿/新兴技术
技术栈大语言模型、Agent、Transformer、RLHF、PyTorch、DeepSpeed、Megatron
成长机会支持技术成果沉淀、鼓励顶会论文发表与专利申请、核心技术团队从 0 到 1 搭建
业务类型profit_center
工作生活
65中等
未明确提及弹性工时或远程政策，传统物流科技企业通常以现场办公为主，但技术团队可能有一定灵活性。需入职后确认实际工作节奏。
工作模式未明确
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
80较高
聚焦物流全链路智能化升级，通过AI技术解决真实世界复杂决策问题，具有明确的产业应用价值与社会效益。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号用大模型与 Agent 技术解决真实世界的复杂决策问题、技术价值可直接落地验证
创新程度积极采用新技术
Watch Jobs