用友网络
算法工程师【高潜】-27届
算法工程师【高潜】-27届
发布于 大约 14 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
硕士
NLP工程
Llamaindex
Nlp
Pytorch
Rag
Tensorflow
大模型
知识图谱
AI 估算 · 20k–30k
北京硕士应届算法工程师，大模型方向需求旺盛，薪资竞争力较强，预计20-30k/月，年终1-3个月。
职位详情
关于这个职位
该职位主要负责企业级大模型应用研发，包括知识库、知识图谱、RAG系统的搭建与优化，以及传统NLP算法的研发
工作涉及大模型微调、Prompt工程、多模态检索等前沿方向，适合对AI技术有热情、愿意深入业务场景的应届硕士生
最低要求
）硕士及以上学历，计算机、人工智能、软件工程、数学、统计等相关专业
）扎实掌握传统NLP基础理论与核心算法，熟悉信息抽取、语义匹配、序列标注、文本生成等常用技术，基础功底扎实
）熟悉Transformer基础原理，了解大模型微调、Prompt优化、RAG、知识图谱基础技术，有相关项目实践经验优先
）了解知识库构建、文档理解、检索增强、知识图谱相关技术逻辑，熟悉向量检索、知识萃取基础流程
）熟练使用Python，熟悉PyTorch/TensorFlow任意一种框架，掌握LangChain、LlamaIndex等大模型应用开发工具优先
）具备基础算法工程思维，可独立完成实验验证与简单方案落地，有NLP、RAG、知识图谱、大模型相关课程项目/竞赛经历优先
）逻辑清晰、善于拆解问题，对大模型及NLP技术落地有热情，具备较强的学习能力和团队协作能力
工作职责
）参与知识库、知识图谱、大模型应用相关算法研发与落地，协助基于基础大模型完成微调、优化迭代，搭建轻量化企业级知识服务能力
）协助开展传统NLP基础算法研发优化，涵盖文本处理、实体识别、语义匹配、信息抽取、文本生成等基础能力，支撑知识库业务运转
）跟进文档理解与知识图谱建设工作，完成多格式文档解析、结构化萃取、知识融合、知识推理相关开发，协助搭建标准化结构化知识图谱
）参与文本/多模态RAG系统搭建与优化，配合完成检索召回、排序重排、上下文优化、幻觉抑制等工作，助力智能问答、文档分析场景落地
）参与大模型微调、Prompt工程、模型轻量化优化，跟进前沿技术，解决业务实际问题，迭代产品效果
优先资格
）有顶会/期刊NLP相关论文、竞赛获奖经历
）有企业级RAG知识库、智能问答系统完整落地经验
）熟悉多模态RAG、知识图谱推理、大模型轻量化部署、文档智能理解等技术，有完整落地项目优先
AI 洞察
优缺点分析
优点
- 大模型方向是当前技术热点，技能积累价值高
- 用友作为上市公司，平台稳定，能接触企业级真实业务场景
- 职位涉及知识图谱、RAG等多领域技术，学习成长空间大
- 技术栈复杂，需要同时掌握NLP、大模型、知识图谱等多方面知识
- 企业级应用对算法落地的稳定性和工程化要求高
- 作为应届生，需要快速适应高强度学习环境
- 适合对NLP和大模型有浓厚兴趣、学习能力强、有志于在AI应用领域深耕的应届硕士
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法工程师向高级算法专家发展，深入大模型应用领域
- 可向技术管理方向转型，带领团队落地AI产品
- 有机会参与前沿技术研究，发表论文或积累行业影响力
- 参与企业级知识库与知识图谱的构建，负责大模型微调、RAG系统优化等算法研发
- 开展传统NLP算法优化，包括实体识别、语义匹配、文本生成等任务
- 参与多模态RAG系统搭建，解决智能问答和文档分析场景中的实际问题
- 扎实的NLP基础，熟悉信息抽取、语义匹配等算法
- 掌握Transformer原理，了解大模型微调和Prompt工程
- 熟练使用Python和PyTorch/TensorFlow，熟悉LangChain等工具
申请策略
- 关注用友BIP产品线的技术方向，了解其企业级AI应用场景
- 在面试中展示对前沿技术的热情和解决问题的能力
- 突出NLP或大模型相关项目经历，包括课程设计、竞赛或个人项目
- 如有论文或竞赛获奖，重点展示
- 强调Python编程能力和常用深度学习框架的使用经验
- 体现对RAG、知识图谱等技术的理解
- 熟悉LangChain和LlamaIndex等大模型应用开发框架
- 动手实践一个RAG知识库项目或大模型微调实验
面试指南
- 采用STAR法则，先说明任务背景，再讲你的技术方案，强调你的贡献和结果
- 对于技术原理问题，先给出核心概念，再展开细节，结合实例说明
- 遇到不懂的问题，坦诚说明并给出解决思路，展示学习能力
- 请介绍一个你使用RAG的项目，包括技术方案和遇到的问题
- 如何解决大模型回答中的幻觉问题？
- 请解释Transformer的注意力机制，以及它在NLP中的应用
- 你对知识图谱的理解？如何构建一个简单的知识图谱？
- 如何优化检索增强生成中的召回率和准确率？
职位点评
68
综合评分
前沿大模型技术栈、成长空间大，但WLB未明确，薪资未披露
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
适合重视技术成长、愿意投入学习、对AI前沿技术有热情的应届毕业生，但可能对工作生活平衡要求较高的人需斟酌。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活50
使命价值65
薪资福利
60中等
北京硕士应届算法工程师薪资有竞争力，但JD未披露具体福利，整体薪酬信息不透明。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
85较高
职位聚焦大模型、RAG等前沿技术，有大量学习和实践机会，成长性突出。
技术前沿前沿/新兴技术
技术栈大模型、RAG、知识图谱、NLP、Transformer、PyTorch、LangChain
业务类型ambiguous
工作生活
50较低
JD未提及弹性工作或加班情况，默认现场办公，工作节奏可能紧张。
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
企业级AI应用有实用价值，但社会影响中性，行业前景稳定。
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
用友网络 的其他在招职位
相似职位推荐
Watch Jobs