中国平安
算法工程师（智能体）
算法工程师（智能体）
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人工智能
人工智能
Rag
Sft/Rlhf
保险科技
多模态大模型
模型部署
值不值得投
80综合评分
综合评分 80
前沿AI技术驱动、业务场景深厚、薪资竞争力强，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
2.5万
比人工智能中位数低
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 13570 个在招 · 其中人工智能 8 个
市场机会
选择面较广
深圳 · 人工智能 · 约 150 个在招
职位详情
关于这个职位
该职位专注于保险核保核赔场景，负责多模态大模型与AI智能体的研发落地
你将通过构建任务规划、工具调用及多轮对话能力，结合RAG技术与模型微调，提升复杂业务决策的准确率与可解释性，并推动相关技术在生产环境中的高效部署
最低要求
学历背景：硕士及以上学历，计算机、人工智能、软件工程、数学等相关专业
技术能力：
熟悉Agent，multi-agent相关技术能力并有相关落地经验
熟悉大语言模型（LLM）的原理与应用，有模型微调经验
熟悉SOTA多模态大模型（Qwen, Kimi, GLM），有相关项目经验
编程能力：熟练掌握Python，具备良好的工程化能力
数学基础：具备扎实的线性代数、概率统计、优化算法基础
项目经验：有医疗保险，医疗数据相关、金融风控领域的项目经验者优先
学习与协作：具备极强的自我驱动力、跨学科学习能力与团队协作精神，对AI技术在保险行业的落地有高度热情
工作职责
多模态算法研发：负责保险核保核赔场景下多模态大模型/Agent（如医疗影像、体检报告、病历文本等）的算法研发，实现跨模态信息的精准对齐、融合与推理，提升核保核赔决策的准确率与可解释性
智能体（Agent）构建：设计并开发面向核保流程的AI智能体，构建包含任务规划、工具调用、多轮对话等核心能力的Multi-Agent协作模式，推动核保流程的自动化与智能化
知识库与RAG优化：构建并优化保险条款、医学指南等领域知识库，结合检索增强生成（RAG）技术，解决大模型在复杂核保规则下的幻觉问题，提升专业场景下的推理准确性
模型微调与部署：负责多模态基座模型的SFT（监督微调）与RLHF（人类反馈强化学习），并主导模型在核保生产环境中的工程化落地，包括推理加速、显存优化及高并发服务部署
数据闭环建设：设计并搭建自动化数据处理流水线，负责核保相关多模态数据的清洗、结构化标注与质量评估，构建高质量领域数据集以支持模型持续迭代
前沿技术探索：跟踪大模型与多模态领域的最新学术进展（如MoE、Long Context），探索其在保险反欺诈、精准定价及动态风险评估中的应用
优先资格
在CVPR、ACL、ICCV、EMNLP等顶会发表过相关论文
有医疗影像（如CT、B超）或体检报告处理的实际项目经验
有智能体（Agent）或RAG相关技术的落地经验
验熟悉因果推断（Causal Inference）或可解释性AI在实际业务应用
AI 洞察
优缺点分析
优点
- 背靠头部险企，拥有海量真实业务数据与明确的商业化落地场景
- 技术栈处于行业前沿，涵盖多模态、Agent、RAG等热门方向，个人技术壁垒高
- 完善的研发基础设施与算力资源支持，便于开展大规模模型训练与实验
- 保险核保核赔业务规则极其复杂且严谨，模型可解释性与准确率要求极高
- 跨学科融合难度大，需同时理解医学、保险条款与前沿AI技术，学习曲线陡峭
- 适合具备扎实AI算法基础、热爱技术落地，且能在强业务约束下追求技术创新的复合型工程师
缺点 / 挑战
- 生产环境部署压力大，需兼顾模型效果与高并发、低延迟的工程指标
角色解读
- 向AI架构师或首席科学家方向发展，主导跨部门大模型技术战略规划
- 深耕垂直行业AI应用，成为保险科技或医疗AI领域的资深技术专家
- 拓展至产品与技术管理双通道，带领团队完成从技术研发到商业落地的全链路闭环
- 负责保险核保核赔场景的多模态大模型与AI智能体研发，实现跨模态信息融合与推理
- 设计并搭建Multi-Agent协作架构，结合RAG技术优化复杂业务规则下的模型输出
- 主导模型SFT/RLHF微调及生产环境工程化部署，保障高并发与低延迟服务
- 精通多模态大模型原理与微调技术（SFT/RLHF），熟悉主流开源模型生态
- 掌握Agent框架设计与RAG架构优化，具备复杂任务规划与工具调用落地经验
- 扎实的Python工程能力与数学基础，熟悉模型推理加速与显存优化技术
申请策略
- 提前研究平安在AI医疗与保险科技领域的公开专利与产品布局
- 面试前准备1-2个将学术研究成功转化为工业界落地项目的详细案例
- 突出多模态大模型微调（SFT/RLHF）与Agent架构设计的完整项目闭环
- 量化展示RAG优化前后在特定业务场景下的准确率提升与幻觉降低效果
- 强调Python工程化能力，列出模型推理加速、显存优化及高并发部署的具体实践
- 深入研读MoE、Long Context等前沿论文，补充大模型底层架构知识
- 系统学习保险核保理赔业务流程与医学指南，提升领域知识储备
- 强化向量数据库与检索增强生成（RAG）的高级调优技巧
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化阐述项目背景与个人贡献
- 结合业务痛点说明技术方案选型依据，重点突出数据质量管控与效果评估指标
- 对比不同技术路线的优劣，展现系统性思维与权衡决策能力
- 请详细描述你设计Multi-Agent协作模式的架构思路与难点攻克过程
- 在核保场景中，如何通过RAG与提示词工程有效抑制大模型幻觉？
- 面对医疗影像与文本的多模态数据，你的跨模态对齐与融合策略是什么？
- 如何在大模型SFT/RLHF过程中平衡领域知识注入与通用能力保持？
- 复习Transformer架构、注意力机制及主流多模态模型（如Qwen-VL, GLM-4V）的核心论文
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
起薪25k以上在深圳算法岗属市场偏高水平，结合岗位技术门槛与城市薪酬基准，补偿性动机满足度较高。
薪资信号偏高 (2.5千–2.5万/月)
成长发展
90较高
岗位聚焦多模态大模型与Agent前沿技术，提供丰富的业务落地场景与持续迭代机会，发展性动机极强。
技术前沿前沿/新兴技术
技术栈多模态大模型、AI智能体(Agent)、RAG、SFT、RLHF、MoE、Long Context
业务类型profit_center
工作生活
60中等
JD未明确提及弹性工时或远程政策，传统巨头企业通常以现场办公为主，生活化动机满足程度中等。
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
致力于用AI提升保险核保理赔效率与准确性，具有明确的行业数字化价值与社会服务意义。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs