深信服
AI lab-后训练算法专家
AI lab-后训练算法专家
发布于 大约 4 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Deepspeed
Dpo
Fsdp
Grpo
Llm
Megatron-Lm
Rlhf
Sft
值不值得投
78综合评分
综合评分 78
前沿技术、高薪、发展空间大，但工作强度可能较高。
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
65K
比人工智能中位数高
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 110 个在招
市场机会
选择适中
深圳 · 人工智能 · 22 个在招
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算法研发与智能体（Agent）架构设计，涉及SFT、强化学习（DPO/GRPO等）及多智能体协同机制
你将负责模型迭代、数据流水线构建，并探索解决模型幻觉与长上下文对话等挑战，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
- 公司为上市公司，平台稳定，资源投入充足
- 有机会接触并落地业界最先进的后训练和Agent技术
- 技术难度高，需要持续学习和跟踪最新研究
- 工作强度可能较大，需要应对复杂的工程和算法问题
- 对综合能力要求高，需要同时具备算法研究和工程落地能力
- 适合对LLM和Agent技术有深厚兴趣，具备扎实算法功底和工程实践能力，渴望在技术前沿深耕的资深算法工程师
缺点 / 挑战
- 处于AI大模型和智能体技术前沿，技术挑战大，成长空间广阔
角色解读
- 从算法专家向技术专家或技术负责人发展，主导核心模型研发方向
- 有机会深入前沿的Agentic AI领域，成为行业稀缺的复合型人才
- 可向AI Lab负责人或首席科学家等高级技术管理岗位晋升
- 负责大语言模型的后训练算法研发，包括SFT、RLHF、DPO等，提升模型推理和指令遵循能力
- 设计和开发基于大模型的智能体系统，探索多智能体协同、任务规划和工具调用
- 优化Agent的自我进化机制，并构建高质量的数据流水线以驱动模型能力提升
- 扎实的机器学习、NLP或强化学习理论基础，深入理解Transformer架构
- 丰富的SFT和偏好对齐（DPO/RLHF）实践经验
- 熟悉Agent框架（如LangChain）和分布式训练技术（如FSDP、DeepSpeed）
申请策略
- 了解深信服在AI安全、云计算等领域的业务，思考如何将Agent技术应用于其业务场景
- 准备一个关于模型后训练或Agent优化的深度技术分享
- 突出LLM后训练和强化学习的项目经验，特别是SFT、DPO等实际落地案例
- 强调Agent系统设计和开发经验，展示对框架和组件的深入理解
- 如有顶级会议论文，务必在显著位置列出
- 补充对主流Agent框架（如LangChain）的深入实践
- 熟悉FSDP、DeepSpeed等分布式训练技术
面试指南
- 采用STAR法则，清晰描述项目背景、任务、行动和结果
- 强调技术深度和工程实践，展示独立解决问题的能力
- 结合具体案例，说明如何权衡模型性能、成本和业务需求
- 请详细介绍一下你使用DPO或RLHF进行模型对齐的项目经验
- 如何设计一个多智能体协同系统来解决复杂任务？
- 在长上下文场景下，如何优化模型的多轮对话记忆机制？
- 你如何解决大模型在业务场景中的幻觉问题？
- 请谈谈你对Agent自我进化机制的理解和实现思路
职位点评
薪资福利80
成长发展95
工作生活50
使命价值80
薪资福利
80较高
该职位为高级算法专家，薪资水平预计较高，且公司为上市公司，福利体系相对完善，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
该职位处于AI大模型和Agent技术的最前沿，技术挑战大，成长空间广阔，且明确要求跟踪业界前沿技术，发展性极强。
技术前沿前沿/新兴技术
技术栈LLM、SFT、RLHF、DPO、GRPO、Agent、LangChain、FSDP、DeepSpeed
成长机会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
业务类型ambiguous
工作生活
50较低
JD未提及工作模式，但作为AI Lab的核心算法岗位，通常需要现场办公，工作强度可能较高。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
该职位致力于推动AI技术在实际业务中的落地，解决模型幻觉等实际问题，具有较高的技术价值和社会意义。
行业发展高速增长赛道
社会影响中性/一般
使命信号推动新技术在实际业务场景中的落地与验证
创新程度积极采用新技术
深信服 的其他在招职位
相似职位推荐
Watch Jobs