浪潮
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
高级经验
全职员工
仅现场办公
学历未注明
软件工程
CUDA
大模型
DeepSpeed
vLLM
RLHF
MoE
AI 估算 · 30k–60k
大模型赛道人才稀缺，浪潮作为上市巨头薪酬具有竞争力，资深岗位月薪30-60K合理。
职位详情
关于这个职位
作为浪潮的大模型算法工程师，你将负责大规模分布式训练与推理框架的性能优化，以及大模型在行业场景的落地与Agent工程化开发
需要精通Transformer、MoE、RLHF等核心技术，并具备高并发系统设计经验
该职位技术挑战大，适合追求前沿AI技术的资深工程师
最低要求
精通Transformer、自注意力、MoE、RLHF、LoRA/QLoRA，精通SGLang/VLLM/KVCache管理/PD分离/AF分离等框架
熟悉大模型训练、微调、对齐全流程，熟悉Python、C++、CUDA、DeepSpeed、Megatron-LM、NCCL、K8s、模型量化（INT4/8）、vLLM/TensorRT-LLM、服务化、数据/模型版本、实验跟踪、监控运维
具有扎实的概率统计、凸优化、线性代数、信息论基础
具备核心系统、高并发架构设计与落地经验（千万级QPS、高可用、高稳定性）、大模型服务平台搭建、运营及优化经验
工作职责
负责大规模分布式训练框架性能优化、大规模强化学习训练框架性能优化、大规模推理框架性能优化;
负责大模型行业场景适配与落地、Agent工程化开发与落地，构建高可用、低延迟的分布式系统
优化Agent决策引擎、任务调度、多模态数据处理等模块的性能与稳定性;
负责AI+垂直领域解决方案搭建、基于Anthropic Claude、OpenAI技术栈的应用开发;
负责训练流程搭建与训练动力学监控，推动模型在推理、代码、Agent等核心能力上的持续提升;
负责执行训练对比实验，在多变量场景下做出严谨的收益归因，沉淀方法论与可复用资产;跟踪RLVR、合成数据、Agentic RL等前沿方向，将有效方法快速落地到业务模型迭代中
优先资格
已发表NeurIPS/ICML/ICLR/ACL/CVPR/EMNLP多篇一作者优先，在AI领域有开源软件的出色贡献和成就者优先
AI 洞察
优缺点分析
优点
- 前沿技术栈：直接接触LLM、RLHF、Agent等最热门AI方向，技术成长快
- 大厂平台：浪潮作为上市公司，资源丰富，项目落地场景多
- 高薪酬潜力：大模型人才稀缺，薪资涨幅空间大，且公司福利完善
- 技术深度要求高：需同时掌握算法、工程、分布式系统等多领域知识，学习曲线陡峭
- 工作强度可能较大：大模型迭代快，项目周期紧，加班可能难免
- 竞争激烈：岗位要求顶会论文或开源贡献，对背景要求严格
缺点 / 挑战
- 适合有扎实AI算法和工程背景、热爱挑战、希望在技术深度上持续突破的资深工程师
角色解读
- 技术深耕方向：成为大模型训练/推理架构专家，主导超大规模模型优化
- 管理方向：晋升为算法团队负责人或技术总监，统筹多个模型项目
- 跨界方向：结合行业经验，转型为AI解决方案架构师或技术产品经理
- 负责大规模分布式训练与推理框架的性能优化，提升模型训练和推理效率
- 将大模型适配到具体行业场景，开发Agent应用并优化其决策与调度能力
- 搭建训练流程并监控训练动力学，通过对比实验推动模型核心能力提升
- 精通Transformer、MoE、RLHF等大模型核心技术，以及SGLang、vLLM等推理框架
- 熟练掌握Python、C++、CUDA，并有DeepSpeed、Megatron-LM等分布式训练工具经验
- 具备扎实的数学基础（概率统计、凸优化、线性代数）和高并发系统设计经验
申请策略
- 提前了解浪潮在AI领域的业务方向（如服务器、行业解决方案），在面试中结合自身经验提出见解
- 展示对行业前沿的持续关注，如RLVR、合成数据等，体现技术敏锐度
- 突出大模型相关项目经验，尤其是分布式训练/推理优化、Agent开发等具体成果
- 列出顶会论文发表或知名开源贡献，作为加分项重点展示
- 强调高并发系统设计经验，用数据（如QPS、延迟降低）量化成果
- 补充RLHF、MoE等前沿技术细节，可复现经典论文或参与开源项目
- 熟悉vLLM、TensorRT-LLM等推理框架，动手搭建服务化部署方案
面试指南
- 技术原理类：先讲清楚基础概念，再深入细节，最后结合实际项目经验
- 系统设计类：按照需求分析、架构设计、关键技术选型、优化手段、效果评估的结构回答
- 请详细讲解Transformer中自注意力机制的数学原理及优缺点
- 如何优化大规模分布式训练中的通信瓶颈？请结合DeepSpeed或Megatron-LM说明
- 描述一个你负责的高并发系统设计案例，包括架构、挑战和优化策略
- 谈一谈对RLHF的理解，以及在实际项目中如何应用
- 你如何看待Agent的发展趋势？请设计一个基于大模型的Agent系统
- 复习大模型核心论文（LLaMA、GPT-4、RLHF等），确保能流畅讲解
职位点评
69
综合评分
大厂高薪、前沿技术栈，WLB一般，适合追求技术深度的AI工程师。
更适合这类人
适合以技术成长为首要目标、愿意投入高强度工作换取前沿经验的求职者。
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40
使命价值70
薪资福利
75中等
薪资面议但职位层级高，上市巨头福利较好，薪酬有一定竞争力，但未明确具体金额。
薪资信号面议 (30K-60K/月)
成长发展
90较高
深度技术岗位，前沿大模型方向，成长空间极大，且公司平台提供丰富资源。
技术前沿前沿/新兴技术
技术栈Transformer、MoE、RLHF、DeepSpeed、vLLM、CUDA
业务类型profit_center
工作生活
40较低
仅现场办公，未提及弹性或远程，大厂加班文化可能存在，WLB一般。
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
大模型推动AI进步，社会价值较高，但浪潮为商业公司，使命导向不明显。
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
Watch Jobs