博世
大模型算法工程师(27届校招)_BCSC
大模型算法工程师(27届校招)_BCSC
发布于 大约 9 小时前普通员工/个人贡献者
无锡市
无经验要求
全职员工
仅现场办公
硕士
机器学习工程
Dpo
Llm
Pytorch
Sft
Vllm
AI 估算 · 15k–25k
大模型算法岗位需求旺盛，博世平台稳定，无锡生活成本低，应届硕士薪资有竞争力。
职位详情
关于这个职位
这是一个面向2026届硕士毕业生的大模型算法工程师校招岗位，隶属于博世中国
你将参与AI Agent服务平台的核心算法建设，包括Agent运行时框架、上下文工程、多智能体协作系统等，并探索长时域Agent规划方案
同时参与大模型后训练优化（SFT、DPO等）的落地实施，以及算法从实验到上线的全流程
适合对大模型、Agent方向有浓厚兴趣并希望将技术应用于工业场景的应届生
最低要求
计算机、人工智能等相关专业，2026届硕士及以上学历
熟悉大模型基础原理（Transformer架构、预训练-微调范式等），了解至少一种主流大模型（如Llama、Qwen等）的使用方式
熟悉PyTorch、Hugging Face Transformers等常用深度学习框架与工具库，有实际训练或微调经验
了解至少一种大模型对齐算法（如SFT、DPO、PPO等），了解其基本原理与适用场景
了解Agent基本概念（如ReAct、Tool Calling等），接触过至少一种Agent开发框架（如LangChain、LlamaIndex等）
具备良好的沟通协作能力与自驱力，能够快速理解业务需求并转化为技术方案
工作职责
参与AI Agent服务平台的核心算法能力建设，协助完成Agent运行时框架（Agent Harness）与上下文工程（Context Engineering）相关功能的迭代与优化
参与Agent性能评测框架的搭建与维护，协助完成评测任务自动生成、自动化判分、澄清式交互等模块的开发与测试
参与多智能体协作系统的维护与增强，配合设计面向自动化编译、测试等业务场景的Agent能力方案
探索长时域Agent规划方案，参与业务Skill的构建、验证与测试方法的研究与落地
参与大模型后训练优化方案（SFT、DPO、ORPO等）在业务场景中的测试与落地实施
参与算法从实验到上线的全流程，协助建立Bad Case归因、版本对比与持续迭代评测体系
优先资格
接触过vLLM等推理引擎，有模型服务化部署经验者优先
有阅读前沿论文并复现的能力，有顶会论文或开源项目贡献者优先（加分项，非必需）
AI 洞察
优缺点分析
优点
- 直接接触大模型和Agent等前沿技术栈，参与核心算法建设，技术成长速度快
- 博世作为全球领先的技术企业，提供稳定的平台和完善的校招培养体系，履历含金量高
- 无锡生活成本较低，工作环境相对舒适，能够兼顾事业发展与生活质量
- 岗位涉及从研究到落地的全流程，能培养算法工程化和业务思维的综合能力
- 大模型和Agent领域迭代极快，需要持续学习和跟进最新论文，保持技术敏感度
- 算法从实验到上线涉及复杂工程细节，Bad Case归因和持续优化可能较为琐碎和耗时
- 适合对大模型、智能体方向有强烈兴趣，具备扎实代码能力和自我驱动力，愿意在工业场景中打磨技术的应届硕士毕业生
缺点 / 挑战
- 作为校招生，需要快速将学术知识转化为实际业务落地能力，初期可能面临较大适应压力
角色解读
- 从算法工程师逐步成长为AI Agent领域的资深专家，深入掌握大模型对齐、推理优化等前沿技术
- 在博世这样的大型跨国企业，可横向拓展至技术管理或项目主导角色，接触工业场景下AI落地的全流程
- 积累丰富的业务转化经验，未来可在智能制造、自动驾驶等多个方向打开职业空间
- 参与AI Agent服务平台核心算法的研发，包括Agent运行时框架、上下文工程等模块的设计与优化
- 负责Agent性能评测框架的搭建与维护，实现评测任务自动生成、自动化判分等功能
- 参与多智能体协作系统的增强，面向自动化编译、测试等业务场景设计Agent能力方案
- 探索长时域Agent规划，参与大模型后训练（SFT、DPO等）在业务中的落地与评测体系构建
- 扎实的机器学习/深度学习基础，熟悉Transformer架构和大模型原理，有实际微调经验
- 熟练掌握PyTorch、Hugging Face Transformers，能够独立实现和调试模型训练流程
- 了解Agent概念（ReAct、Tool Calling）和至少一种框架（LangChain、LlamaIndex），有相关项目经验更佳
- 具备工程化能力，了解vLLM等推理引擎，有模型部署或服务化经验者优先
申请策略
- 关注博世在AI+工业领域的布局，在面试中展示你对技术落地场景的理解和热情
- 可以强调自驱力和快速学习能力，博世重视将业务需求转化为技术方案的能力
- 突出大模型微调或训练项目经历，写明使用的模型、数据规模、优化方法和效果，展示动手能力
- 强调Agent相关经验，如使用LangChain/ReAct等构建过任意智能体应用，描述架构设计和决策逻辑
- 如果有开源贡献或顶会论文，放在显眼位置，这是重要的加分项，体现研究和技术深度
- 列出熟悉的技术栈（PyTorch、Hugging Face、vLLM等），并用项目佐证熟练度
- 如果缺乏Agent开发经验，建议快速学习LangChain或LlamaIndex，动手做一个简单Agent demo
- 深入理解SFT、DPO等对齐算法，尝试在小型模型上复现，熟悉训练参数和效果对比
面试指南
- STAR法则：简述项目背景、目标、行动和结果，重点放在你的技术贡献和量化成果上
- 对比法：回答技术选型问题时，对比不同方法的原理、优缺点和适用条件，展现系统思考
- 场景设计法：对于开放性问题，先拆解需求，提出整体思路，再细化关键模块，体现工程思维
- 请介绍一个你使用大模型微调的项目，包括数据、模型选择、训练过程和最终效果
- 解释SFT和DPO的区别及适用场景，你在实践中更倾向哪种？为什么？
- 描述一下你对Agent的理解，ReAct工作流是如何运作的？你有使用过哪些Agent框架？
- 在处理一个多智能体协作任务时，如何设计通信与任务分配机制？
- 如何进行模型评测？请设计一个针对Agent性能的评测方案
职位点评
76
综合评分
大厂平台、前沿技术栈、校招机会，WLB信号不明但整体发展性极强。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
最适合追求技术成长、渴望接触大模型与Agent前沿领域的应届硕士，对工作地点和弹性要求不高但重视平台稳定性的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展95
工作生活60
使命价值65
薪资福利
70中等
博世作为跨国巨头提供稳定平台和具有竞争力的校招薪资，福利体系完善，但具体薪资未在JD中披露，且无锡薪资水平相对一线城市略低。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
95较高
岗位核心围绕大模型和Agent前沿技术，参与核心算法建设与全流程落地，技术深度和广度都有极大成长空间，对个人发展非常有利。
技术前沿前沿/新兴技术
技术栈LLM、Transformer、SFT、DPO、Agent、LangChain、vLLM、PyTorch
成长机会核心算法能力建设、探索、研究
业务类型profit_center
工作生活
60中等
工作地点为无锡，现场办公，JD未提及弹性工作或远程安排，但博世作为外企通常有较好的工作生活平衡文化，只是缺乏明确信号。
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
65中等
博世致力于通过技术改善全球生活质量，但具体岗位主要聚焦AI算法实现，社会影响间接为主；行业处于AI高速发展期，使命感和未来前景较好。
行业发展高速增长赛道
社会影响中性/一般
使命信号改善生活质量
创新程度积极采用新技术
博世 的其他在招职位
相似职位推荐
Watch Jobs