深信服
AI lab- AI方向算法专家/博士
AI lab- AI方向算法专家/博士
发布于 大约 15 小时前普通员工/个人贡献者
深圳市 / 北京市
专家级经验
全职员工
仅现场办公
本科
人工智能
Deepspeed
Dpo
Llm
Pytorch
Rlhf
Sft
分布式训练
强化学习
AI 估算 · 50k–80k
职位详情
关于这个职位
该职位专注于大语言模型的后训练与智能体（Agent）研发，包括SFT、偏好对齐（DPO/RLHF）以及强化学习等核心算法，旨在提升模型的推理与指令遵循能力
你将参与构建和优化Agent系统，探索多智能体协同、任务规划与工具调用，并推动前沿技术在业务场景中的落地
适合对LLM和Agent技术有深入理解、具备分布式训练经验的算法专家
最低要求
计算机科学、人工智能、数学或相关专业毕业，本科及以上学历（硕士或博士优先）
具备扎实的机器学习、自然语言处理或强化学习理论基础，对Transformer架构及主流开源大语言模型有深入的理解
熟练掌握主流的后训练技术原理与实践，有丰富的SFT调优经验，并在偏好对齐（DPO/RLHF等）方向有实际落地经验
深入理解AI Agent的技术原理与设计模式，熟悉Agent的核心组件（如规划机制、Memory记忆机制、环境交互等），熟悉主流Agent开发框架与开源生态（如OpenClaw、LangChain等）
具备大规模分布式训练实践经验，熟悉FSDP、DeepSpeed或Megatron-LM等分布式加速技术
具有较好的团队协作能力、优秀的逻辑分析能力，能够独立拆解并解决复杂的算法与Agent工程问题
工作职责
负责大语言模型LLM后训练阶段的核心算法研发与模型迭代，包括但不限于SFT、Reward Model训练以及强化学习DPO，GRPO，GSPO，Agentic RL等，持续提升模型作为Agent大脑的逻辑推理能力、指令遵循能力
负责基于大模型的智能体架构设计与开发，探索多智能体协同机制、复杂任务拆解规划以及工具调用（Tool-use）能力
构建并优化Agent系统的自我进化与自我演化机制，持续提升Agent在实际业务中的自主决策、工作流执行与闭环优化能力
针对业务场景痛点进行模型与智能体调优，探索并解决模型幻觉问题，攻坚长上下文，复杂场景下的多轮对话策略与记忆机制优化
负责后训练与Agent数据流水线的设计，探索高质量合成数据的生成、清洗与策略迭代，从数据层面驱动模型与Agent能力上限
跟踪业界最前沿的大模型后训练、强化学习及Agentic系统技术发展，推动新技术在实际业务场景中的落地与验证
优先资格
有LLM后训练、强化学习、智能体（Agent）或计算机视觉等人工智能方向相关顶级会议（如ACL、NeurIPS、ICLR、CVPR等）论文发表者优先
AI 洞察
优缺点分析
优点
- AI领域前沿技术，技能积累快
- 上市企业，平台稳定，资源充足
- 深圳/北京一线城市，薪资竞争力强
- 有机会发表顶会论文，提升学术影响力
- 技术难度高，需要持续学习
- 工作强度可能较大，项目周期紧
- 竞争激烈，需不断产出成果
- 适合对LLM和Agent技术有深厚兴趣，具备强算法背景和工程能力，追求技术突破的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法专家成长为技术负责人，带领团队
- 深入Agent领域，成为智能体系统架构师
- 在AI前沿技术方向持续深耕，成为行业专家
- 负责大语言模型的后训练，包括SFT、偏好对齐和强化学习，提升模型能力
- 设计开发智能体架构，实现多智能体协同、任务规划和工具调用
- 优化Agent的自我进化机制，解决模型幻觉和长上下文问题
- 构建数据流水线，生成高质量合成数据，推动模型迭代
- 扎实的机器学习、NLP和强化学习理论基础
- 熟悉Transformer架构和主流开源大模型
- 精通SFT、DPO/RLHF等后训练技术
- 掌握分布式训练框架如DeepSpeed、Megatron-LM
申请策略
- 了解深信服业务方向，结合网络安全场景思考Agent应用
- 准备技术分享，展示对前沿技术的理解
- 突出后训练项目经验，如SFT、DPO的实际案例
- 强调分布式训练实践，如使用DeepSpeed或Megatron
- 展示Agent开发经验，如LangChain应用
- 如有顶会论文，务必突出
- 补充强化学习最新算法，如GRPO、GSPO
- 熟悉Agent框架，如OpenClaw、LangChain
面试指南
- STAR法则：情境、任务、行动、结果
- 技术深度与业务结合，展示思考过程
- 强调数据驱动和实验验证
- 请详细描述你做过的一个后训练项目，包括技术选型和效果
- 如何设计一个Agent系统来解决复杂任务？
- 在分布式训练中遇到哪些挑战？如何解决？
- 如何评估和提升模型的指令遵循能力？
- 谈谈你对Agent自我进化机制的理解
职位点评
77
综合评分
AI前沿技术岗，高薪高成长，但工作强度可能较大。
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。
更适合这类人
适合追求技术成长、高薪回报，能接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活50
使命价值70
薪资福利
80较高
薪资水平高，上市企业福利完善，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：50K-80K/月）
成长发展
95较高
职位处于AI前沿技术领域，涉及最新后训练和Agent技术，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、SFT、DPO、RLHF、强化学习、Agent、分布式训练
业务类型ambiguous
工作生活
50较低
工作地点在深圳或北京，可能加班，JD未提及弹性工作。
工作模式仅现场办公
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
AI技术推动行业进步，但公司业务偏安全，社会影响力中性。
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