浪潮
AI算法工程师
AI算法工程师
发布于 大约 7 小时前普通员工/个人贡献者
济南市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
PyTorch
RAG
预训练
DeepSpeed
RLHF
时序预测
DiT
Ssm
Mamba
AI 估算 · 15k–20k
济南AI算法岗位薪资在15-20K/月属于市场中等偏上水平，公司为上市巨头，年终奖通常有2-4个月，月薪基数合理。
职位详情
关于这个职位
该职位专注于时序基础模型和大模型的算法研发，包括Transformer、Mamba等架构在时序领域的创新，以及大模型智能体核心算法的设计与优化
你将参与从数据准备到模型部署的全链路工作，推动AI技术在实际业务中的落地
适合对时序预测、大模型预训练和智能体技术有深入理解的算法工程师
最低要求
人工智能、计算机科学与技术、数学、数据科学等相关专业，硕士及以上学历
具备扎实的深度学习与机器学习理论基础，深入理解 Transformer 架构及其在时序领域的应用，熟悉主流时序模型（如 PatchTST, iTransformer, FEDformer, TimesFM 等）的设计思想
具备大规模模型预训练、指令微调（SFT）、对齐（RLHF/DPO）及分布式训练（DeepSpeed, Megatron-LM, FSDP 等）实战经验
精通数据合成、数据分析、自动标注、质量过滤等相关算法和技术，熟悉至少一种深度学习框架（如PyTorch、TensorFlow等）
具备良好的数据分析能力，了解数据质量评估标准和方法，有数据清洗、过滤相关实践经验
具有优秀的逻辑思维能力、问题解决能力和创新意识，能够快速学习和掌握新技术
具备良好的团队协作精神和沟通能力，能在跨部门协作中高效推进项目
工作职责
负责时序基础模型（TSFM）的核心算法研发，探索并设计基于 Transformer、Mamba (SSM)、DiT 等架构在时序领域的创新变体，研究多变量时序预测、异常检测、时序插补、时序分类等多任务的统一建模难题
设计并实现大规模时序数据的预训练范式（如自监督学习、掩码时序建模、对比学习、Next-token Prediction 等），突破模型在 Zero-shot / Few-shot 场景下的跨域泛化瓶颈
负责代码开发、翻译、多模态等垂直领域大模型的研发工作，涵盖需求分析、模型架构设计、数据处理、模型训练与评估环节，打造贴合行业场景需求的专属大模型解决方案
负责大模型智能体核心算法的研发工作，包括但不限于任务规划、记忆管理、检索增强（RAG）、工具调用（FC/MCP）等关键算法的设计与优化，提升智能体的智能化水平与任务执行效率
持续跟踪行业前沿技术动态，结合公司业务需求，对现有大模型算法及垂直领域模型进行优化迭代，解决模型训练与应用过程中的技术难题，提升模型的效率与质量
与数据、产品、工程等团队紧密协作，参与从数据准备、算法选型到模型部署的全链路工作，保障大模型技术在实际业务场景中的高效落地与应用
AI 洞察
优缺点分析
优点
- 浪潮作为上市巨头，平台稳定，资源丰富，能接触大规模真实业务场景
- 岗位涉及时序基础模型和大模型前沿技术，技术壁垒高，成长空间大
- 公司提供完善的培训体系和职业发展通道，利于长期积累
- 济南生活成本相对较低，薪资在当地具有竞争力
- 涉及跨团队协作，沟通成本较大，需要较强的项目推动能力
- 适合对时序模型和大模型技术有浓厚兴趣、具备较强自学能力和创新精神的算法工程师，尤其适合希望在技术深度上不断突破的求职者
缺点 / 挑战
- 技术难度较高，需要扎实的理论基础和丰富的实践经验，学习曲线陡峭
- 大模型领域更新极快，需要持续跟踪前沿技术，工作压力可能较大
角色解读
- 技术方向：从时序模型专家演进为AI算法架构师，主导核心算法设计和创新
- 管理方向：可晋升为AI技术团队负责人，带领小组进行算法研发和项目管理
- 行业方向：随着大模型和智能体技术的普及，可向通用AI或垂直行业解决方案专家发展
- 负责时序基础模型（TSFM）的核心算法研发，如Transformer、Mamba等架构的变体设计
- 设计大规模时序数据的预训练范式，如自监督学习和掩码建模，提升模型泛化能力
- 开发大模型智能体核心算法，包括任务规划、RAG和工具调用等
- 与产品、工程团队协作，参与模型部署和落地，解决实际应用中的技术难题
- 扎实的深度学习和机器学习理论基础，精通Transformer架构
- 熟悉主流时序模型（如PatchTST、iTransformer）和预训练技术（SFT、RLHF）
- 掌握分布式训练框架如DeepSpeed、Megatron-LM，以及深度学习框架PyTorch
- 具备数据合成、分析和清洗能力，以及良好的逻辑思维和创新意识
申请策略
- 了解浪潮在AI领域的业务方向（如云服务、智慧计算），在面试中体现对行业应用场景的理解
- 准备一个完整的项目案例，从问题定义、模型设计到最终部署，展示全链路能力
- 突出在时序预测、大模型预训练或智能体相关的项目经验，最好有独立负责或核心贡献
- 展示对Transformer、Mamba等架构的深入理解，以及使用PyTorch、DeepSpeed等工具的实际能力
- 强调数据预处理和模型部署的全栈经验，体现工程化能力
- 如有相关论文、开源项目或竞赛获奖，务必列出
- 补充时序模型的最新论文（如PatchTST、TimesFM）和预训练技术（如SFT、DPO）
- 练习分布式训练框架的使用，如DeepSpeed的配置和调优
面试指南
- 针对技术原理类问题：先阐述基础概念，再结合自身经验举例，最后提出改进思路
- 针对系统设计类问题：明确问题目标，分步骤提出方案，对比不同选型优缺点，总结可能的问题和解决方案
- 请详细解释Transformer的注意力机制，并说明其在时序预测中的应用变体
- 你如何设计一个时序基础模型以实现Zero-shot跨域泛化？请给出具体思路
- 描述一次你使用DeepSpeed或Megatron进行分布式训练的经历，遇到过哪些挑战？
- 在RAG系统中，如何优化检索质量和生成效果？请结合实际经验说明
- 请谈谈你对AI智能体未来发展趋势的看法，以及最新的研究成果
- 复习Transformer、时序模型和大模型预训练的核心论文，尤其是2024-2025年的最新成果
职位点评
75
综合评分
浪潮AI算法岗：前沿技术栈、薪资在济南有竞争力、发展空间大，但需现场办公且加班可能不确定。
更适合这类人
最适合追求技术成长和前沿发展的求职者，对于看重工作和生活平衡的求职者可能稍显不足。
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65
使命价值70
薪资福利
75中等
薪资15K-20K在济南属于较高水平，且浪潮福利完善（五险一金、年终奖等），但未在JD中明确提及具体福利，薪资面议？不，JD给出了薪资范围，所以属于面议还是未披露？这里写明了15K-20K，所以salary_signal应为“市场水准”或“偏高”？济南物价不高，15-20K算中上，但相对一线城市中等，所以判断为“市场水准”。
薪资信号市场水准 (15K-20K/月)
成长发展
90较高
岗位涉及时序基础模型、大模型预训练等前沿技术，技术前沿性高，但JD中未明确提及晋升通道或培训，不过上市大公司通常有内部成长机制。成长信号从JD中未提取到明确词语，但技术本身发展性强。
技术前沿前沿/新兴技术
技术栈Transformer、Mamba、SSM、DiT、RLHF、RAG、DeepSpeed
业务类型profit_center
工作生活
65中等
工作地点在济南市区，仅现场办公，JD未提及弹性工作或远程，也未提到加班情况。济南生活节奏相对舒适，但互联网行业可能有一定加班。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
浪潮作为ToB和政务云领域的龙头企业，AI算法应用于智慧城市、工业互联网等，具有一定社会价值，但JD中未体现强烈的使命感或社会影响力信号。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs