
Advisory Engineer, Model & Agent Evolution
发布于 1 小时前普通员工/个人贡献者
值不值得投
综合评分 74
前沿AI自进化技术岗,技术成长强、业务落地空间大,办公与WLB信息未披露
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
6.0万
比AI算法中位数低
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 330 个在招 · 其中AI算法 17 个
市场机会
选择面较广
北京 · AI算法 · 约 300 个在招
职位详情
关于这个职位
该职位面向模型与Agent自进化技术,负责从技术方案规划、复杂系统架构设计到核心工程攻关和项目落地
最低要求
计算机科学、软件工程、人工智能、电子工程等相关专业本科及以上学历,具有 5 年以上相关工程技术经验(含研究生阶段项目经验)
工作职责
技术与产品方案规划:根据业务及产品发展方向,规划模型与 Agent 自进化相关的新技术、新产品和系统能力,设计具有创新性的技术方案
优先资格
具备模型持续学习、自进化 Agent、Agent Framework 或 Agent Runtime 的系统研发经验
AI 洞察
优缺点分析
优点
- 岗位处于模型与Agent自进化、端侧持续学习等前沿方向,技术积累价值高
- 职责覆盖架构设计、核心攻关、项目领导与业务落地,能形成从技术到产品的完整经验闭环
- JD明确涉及制造、供应链、服务等真实业务场景,落地空间较具体
- 优先条件中包含多种主流训练推理框架和Agent Runtime经验,有助于构建稀缺工程能力
- 技术栈跨度大,需要同时理解模型训练、Agent系统、端侧部署和复杂业务场景
- 岗位要求承担专项技术负责人角色,既要解决深度技术问题,也要协调资源和推动交付
- 自进化与端侧持续学习仍属于快速演进方向,方案成熟度和可复用经验可能有限
- 适合有大模型工程、Agent系统或AI平台架构经验,并希望从单点研发走向复杂系统技术负责人的资深工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI系统架构师、大模型/Agent平台技术负责人方向发展,负责更大规模的技术路线与平台建设
- 也可向AI产品与业务落地负责人演进,结合制造、供应链、服务等场景形成行业解决方案能力
- 长期可发展为高级技术专家或研发管理者,主导自进化智能体、端侧AI和持续学习体系的技术生态建设
- 负责模型与Agent自进化系统的技术方案设计,覆盖模型训练、推理部署、Agent编排、数据合成、评估优化和运行时架构
- 作为专项技术负责人推进复杂工程项目,协调研发资源并解决跨系统、跨团队的关键技术问题
- 推动On-device Continual Learning等端侧持续学习能力落地,优化资源受限设备上的学习、记忆和推理部署能力
- 将AI能力应用到制造、供应链、服务等真实业务场景,形成可交付、可迭代的产品能力和业务解决方案
- 需要扎实的大模型工程与AI系统能力,熟悉训练、推理部署、SFT、RL、Online Learning及模型系统集成
- 需要具备复杂系统架构设计和工程实现能力,能够独立制定系统规格、技术方案和实施计划
- 需要掌握Python、C++、Go至少一种主流语言,并熟悉PyTorch及模型训练、推理工程框架
- 需要具备技术领导力和跨团队沟通能力,能够向管理层汇报规划与成果并推动跨部门达成共识
申请策略
- 申请前建议梳理联想相关AI产品、端侧智能和制造/供应链场景,思考技术如何转化为业务价值
- 面试中应突出技术规划、架构取舍和跨团队推动能力,而不仅是单点算法或编码能力
- 突出大模型训练、推理部署、Agent系统集成或Runtime相关项目,说明你在系统中的具体职责和技术决策
- 重点呈现复杂系统架构设计经历,包括模块划分、性能瓶颈、部署约束、评估指标和最终交付结果
- 强调专项项目负责人经验,写清楚如何协调研发资源、指导团队、推进里程碑并解决关键技术冲突
- 补充端侧AI、模型压缩、推理加速、数据合成或Agent Evaluation等经历,与优先条件形成对应
- 加深Megatron、DeepSpeed、verl、vLLM、SGLang等训练推理框架的理解,准备可复用的性能优化案例
- 补强Agent Framework、Agent Runtime、Agent Evaluation与持续学习平台设计能力,形成系统化方案思路
面试指南
- 使用“背景目标—架构方案—关键难点—取舍理由—量化结果”的结构回答项目类问题,突出技术决策和业务结果
- 回答系统设计题时,可按训练层、Agent编排层、数据闭环层、评估优化层、部署运行层逐层展开,并说明监控与迭代机制
- 回答协作与领导力问题时,用具体冲突案例说明如何识别关键约束、拉齐干系人目标、制定里程碑并推动交付
- 请介绍一个你主导的大模型或Agent系统工程落地项目,包括架构设计、关键难点和最终结果
- 如何设计一个支持持续学习和自进化能力的Agent系统?请说明核心模块和数据闭环
- 在资源受限的端侧设备上,如何优化模型推理、记忆管理和持续学习成本?
- 你如何协调跨部门团队推进复杂AI项目,并在技术方案分歧时达成共识?
- 请说明你对SFT、RL、Online Learning以及Agent Evaluation在工程落地中的理解
职位点评
薪资福利
JD未披露薪资与福利信息,因此补偿性动机只能基于岗位层级和职责做有限判断。该职位为高级工程岗且承担技术负责人职责,通常对资深人才具备一定吸引力,但具体薪资竞争力需向招聘方确认。
成长发展
岗位明确聚焦模型与Agent自进化、端侧持续学习、Agent Runtime、数据合成和评估优化等前沿工程方向,技术成长空间强。JD还包含技术指导、专项项目负责人和管理层汇报机会,对发展性动机满足度高。
工作生活
JD仅明确工作地点为北京,未提及远程、弹性办公、双休或加班等信息,因此生活化动机满足程度难以判断。岗位涉及复杂项目领导与跨团队协作,但原文没有直接说明工作强度或办公灵活性。
使命价值
岗位聚焦自进化技术工程化和产品化,并强调在制造、供应链、服务等真实业务场景中的落地,具有较强的技术创新与业务价值导向。JD未直接表达社会使命或公共价值,因此意义感主要来自前沿技术探索和实际应用落地。
联想 的其他在招职位