OPPO
高级算法工程师
高级算法工程师
发布于 大约 1 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
Grpo
Prompt优化
Pytorch
Sft
分布式训练
多模态大模型
强化学习
自动化评测
值不值得投
72综合评分
综合评分 72
面向多模态大模型后训练与Agent的前沿算法岗，技术成长快，薪资竞争力强，但WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
40K
比机器学习工程中位数高
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 160 个在招
市场机会
选择面较广
深圳 · 机器学习工程 · 55 个在招
职位详情
关于这个职位
该职位负责多模态大模型的后训练与Agent算法研发，包括SFT、GRPO强化学习、自动化Prompt优化与评测体系搭建，需要扎实的深度学习基础和PyTorch技能
你将参与前沿技术探索与工程落地，适合对多模态和Agent方向有热情的算法工程师
最低要求
计算机、人工智能、数学、电子信息等相关专业，硕士及以上学历
扎实的机器学习/深度学习基础
熟悉多模态大模型的原理与训练流程，具备 SFT / 强化学习（PPO、DPO、GRPO 等）中一项或多项的实践经验
精通 Python，熟练使用 PyTorch，熟悉主流训练与推理框架（如 SWIFT、LLaMA-Factory 等）及分布式训练
熟练并习惯使用 AI 编程工具（如 Codex、Cursor 等），具备良好的 Vibe-Coding 能力，能借助 AI 工具高效完成开发与工程落地
良好的问题定义与分析能力、学习能力和团队协作沟通能力，能主动跟进并落地前沿技术
工作职责
模型后训练：负责图文多模态大模型的后训练算法研究与落地，包括 SFT 微调、GRPO 等强化学习方法、偏好对齐与蒸馏，持续提升模型在理解、推理与指令遵循上的效果
多模态 Agent：负责多模态 Agent 的算法研究与工程落地，包括多模态感知—规划—工具调用—反思的闭环设计、长程任务编排、工具/函数调用与记忆机制，推动 Agent 在真实业务场景中的可用性与稳定性
自动化 Prompt：研究自动化 Prompt 生成与优化技术（如自动提示构造、Prompt 搜索/进化、指令合成），降低人工调优成本，提升多模态任务的效果上限与迭代效率
自动化评测：搭建并持续完善多模态模型与 Agent 的自动化评测体系，覆盖数据集构建、指标设计、LLM-as-a-Judge、回归与 A/B 评测，为模型迭代提供可量化、可复现的效果基线与验收标准
熟悉当前主流的 Agent Harness 框架（如Openclaw、Nanobot），了解其工具调用、上下文管理与执行循环机制，具备基于 Harness 做二次开发或集成的能力
前沿技术探索：跟进图文多模态、后训练、Agent、评测等方向的业界前沿进展，快速验证与转化关键技术，持续沉淀团队在多模态算法方向的技术积累与方法论
优先资格
在多模态理解/生成、Agent、后训练、自动化评测等方向有高质量论文（CVPR、ICCV、ECCV、NeurIPS、ICML、ICLR、ACL 等）或有影响力的开源项目
AI 洞察
优缺点分析
优点
- 岗位涉及多模态大模型、Agent、强化学习等前沿方向，技术成长空间大
- OPPO作为知名大厂，平台资源丰富，有机会接触真实业务场景和海量数据
- 团队鼓励前沿技术探索与论文发表，适合学术与技术并重的求职者
- 岗位要求高，需要扎实的理论基础和工程能力，同时掌握多种训练框架
- 适合对多模态大模型和Agent方向有强烈兴趣、具备较强算法与工程实现能力、能适应高强度技术迭代的求职者
缺点 / 挑战
- 多模态Agent、后训练等方向仍在快速演进，需要持续跟踪业界最新进展，学习压力大
角色解读
- 可在多模态大模型、Agent、后训练等方向深耕，成为技术专家或算法团队负责人
- 参与前沿技术探索与论文发表，积累行业影响力，向高级专家或研究员方向发展
- 负责多模态大模型的后训练，包括SFT微调、GRPO强化学习、偏好对齐与蒸馏，提升模型在理解、推理和指令遵循上的效果
- 设计多模态Agent的感知-规划-工具调用-反思闭环，长程任务编排以及记忆机制，推动Agent在真实业务场景落地
- 研发自动化Prompt生成与优化技术，以及搭建自动化评测体系，为模型迭代提供量化基线
- 扎实的机器学习/深度学习基础，精通Python和PyTorch，熟悉分布式训练及主流训练框架（SWIFT、LLaMA-Factory）
- 熟悉多模态大模型原理，具备SFT或强化学习（PPO、DPO、GRPO）实践经验
- 熟练使用AI编程工具（Codex、Cursor），具备Vibe-Coding能力，能高效完成工程开发
申请策略
- 在简历中量化模型效果提升（如指标涨幅），并准备1-2个完整的项目介绍，突出你的技术决策与思考
- 突出多模态/大模型相关项目经历，特别是SFT、RLHF、DPO、GRPO等训练实战
- 强调使用PyTorch和分布式训练的经验，如有开源项目或高影响力论文要重点展示
- 展示使用AI编程工具（如Cursor、Codex）的实际案例，体现Vibe-Coding能力
- 提前熟悉SWIFT、LLaMA-Factory等主流训练框架，动手跑通一个微调或RLHF流程
- 了解多模态Agent常用Harness（如Openclaw、Nanobot）的架构与二次开发
面试指南
- 对于技术问题，采用'背景-方案-结果'的结构，先说明问题背景，再讲技术选型与实现，最后给出效果数据与反思
- 对于开放性问题，展示系统思考，从数据、模型、评测、工程等多个维度分析，并强调迭代优化
- 请介绍一下你在多模态大模型后训练方面的项目经验？如何设计SFT数据？
- GRPO与PPO有什么区别？在实际中如何选择？
- 如何评估一个多模态Agent的效果？你会设计哪些自动化评测指标？
- 如何利用AI编程工具提升开发效率？你有哪些实践经验？
- 在分布式训练中，你如何处理数据并行和模型并行？
- 复习多模态大模型基础（如CLIP、LLaVA、Qwen-VL）及训练细节，特别是RLHF系列
职位点评
薪资福利75
成长发展90
工作生活45
使命价值70
薪资福利
75中等
该职位提供行业内有竞争力的薪酬和稳定的大厂平台，但JD未提及具体薪资和福利。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
岗位聚焦多模态大模型、Agent等前沿方向，提供大量技术实践和论文发表机会，发展性极强。
技术前沿前沿/新兴技术
技术栈多模态大模型、SFT、GRPO、强化学习、Agent、PyTorch、SWIFT、LLaMA-Factory
成长机会前沿技术探索、技术积累与方法论
业务类型ambiguous
工作生活
45较低
JD未提及工作时间和弹性制度，深圳科技企业通常节奏较快，WLB一般。
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
70中等
多模态大模型属于AI核心技术领域，行业处于高速增长期，但对社会效益的直接贡献不明显。
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