奇富科技
26届秋招-NLP算法（对话机器人方向）
26届秋招-NLP算法（对话机器人方向）
发布于 大约 13 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
Langgraph
Llm
Nlp
Pytorch
多智能体
大模型训练
对话机器人
机器学习
金融科技
AI 估算 · 20k–30k
北京NLP算法校招，大模型方向人才紧缺，硕士应届薪资在20-30k月薪，加上年终奖，年薪可观。
职位详情
关于这个职位
该职位负责智能机器人、智能质检等项目的NLP算法模型开发，重点投入LLM在金融场景的应用落地，包括多智能体系统、虚拟员工和外呼机器人优化
你将参与数据特征工程，并跟进前沿学术成果的转化，适合对对话系统和大型语言模型有浓厚兴趣的硕士毕业生
最低要求
计算机，数学，统计学等相关专业硕士以上学历
扎实的代码编写能力，熟悉python、Pytorch等
具备数据分析能力，能通过数据寻找且发现问题
良好的团队合作、沟通能力强、优秀的文档能力，对解决挑战性问题充满激情
工作职责
负责智能机器人、智能质检等项目NLP算法模型相关工作
LLM在金融场景应用落地，包括但不限于构建多智能体系统、虚拟员工、优化外呼机器人对客服务能力等
参与基础数据收集整理及特征工程建设
跟进LLM最新学术和社区进展，将前沿的学术成果，应用到实际业务中
优先资格
有Langgraph、Metagpt、AutoGen等多智能体框架经验者优先
熟悉大模型训练、微调、蒸馏等技术，有OpenRLHF/ms-swift/llama-factory等训练框架经验者优先
对社区工作有贡献或有顶会论文者优先
AI 洞察
优缺点分析
优点
- 公司为上市金融科技企业，业务稳定且有充足数据资源，算法有真实落地场景
- 岗位聚焦LLM和多智能体，技术前沿，对个人技术成长帮助大
- 工作内容涵盖从算法研究到工程落地的完整链路，能锻炼综合能力
- 北京总部平台大，可接触业界顶尖专家和资源
- 金融场景对模型准确性和稳定性要求高，可能面临复杂业务逻辑和严格合规约束
- 作为校招岗，需要对大模型技术有较深理解，竞争激烈
- 适合对NLP和LLM有强烈兴趣、愿意深入钻研技术，且喜欢解决实际业务问题的硕士研究生，尤其是有多智能体或大模型训练经验者
缺点 / 挑战
- LLM领域迭代快，需要持续学习，压力较大
角色解读
- 初期从具体算法模块入手，积累对话系统和LLM应用经验，逐步成长为NLP算法工程师
- 随着业务深入，可向多智能体系统架构师或LLM应用专家方向发展，主导复杂AI系统设计
- 在金融科技领域，可横向拓展至智能风控、智能营销等方向，或转向技术管理岗位
- 设计和开发智能机器人、智能质检系统的NLP算法模型，如意图识别、对话管理、文本分类等
- 将LLM应用于金融场景，构建多智能体系统、虚拟员工，优化外呼机器人的对话能力，提升客户服务体验
- 参与基础数据收集、清洗和特征工程，支撑模型训练和迭代
- 持续跟踪LLM学术和社区最新进展，将前沿技术（如RAG、Agent）落地到具体业务中
- 扎实的Python编程能力和PyTorch深度学习框架使用经验，能够快速实现模型原型
- 熟悉大语言模型的工作原理，掌握预训练、微调、蒸馏等技术，有相关实战经验更佳
- 了解Langgraph、MetaGPT、AutoGen等多智能体框架，能够设计Agent协作流程
- 具备数据分析能力，能从业务数据中发现规律和问题，并据此优化模型效果
申请策略
- 在申请时附上个人技术博客或项目代码，展示对LLM的热情与动手能力
- 关注奇富科技的业务方向，了解金融AI应用场景，在面试中体现业务理解
- 突出硕士期间NLP相关项目，特别是涉及LLM微调、对话系统或Agent的项目，描述具体贡献和成果
- 展示扎实的编程功底，如Python、PyTorch熟练度，可附GitHub或技术博客链接
- 如有顶会论文、开源贡献或竞赛获奖，务必放在显眼位置，这些都是加分项
- 强调数据分析能力和解决复杂问题的实例，比如通过数据驱动模型优化的案例
- 提前熟悉Langgraph、MetaGPT、AutoGen等多智能体框架，可以自己搭建简单Agent demo
- 掌握主流的LLM训练和微调框架，如OpenRLHF、ms-swift、llama-factory，了解RLHF流程
面试指南
- 回答项目经验时，用STAR法则：情境-任务-行动-结果，突出技术难点和量化效果
- 对于技术原理题，从底层机制出发，再结合工程实践说明权衡取舍
- 对于系统设计题，先明确需求，再拆解模块，最后考虑效率和扩展性
- 请介绍一个你参与的NLP项目，特别是使用LLM或对话机器人的经验
- 如何设计一个多智能体系统来解决复杂任务？举例说明
- 大模型微调的常用方法有哪些？如何选择合适的技术？
- 如何评估一个对话机器人的效果？你会从哪些维度衡量？
- 请解释Transformer中的注意力机制，以及为什么它能解决长距离依赖问题？
职位点评
74
综合评分
前沿的LLM技术岗，成长性强，薪资优厚，但工作强度未明，适合技术导向型求职者。
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
适合追求技术成长、热爱前沿AI研究，且对薪资和稳定性有基本要求，能接受一定工作强度的应届硕士。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
该公司为上市金融科技企业，北京校招算法岗薪资待遇通常优厚，年终奖和福利较好，但JD未明确具体数字。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
90较高
岗位聚焦LLM和多智能体等前沿技术，公司重视技术应用和学术跟进，有很好的成长空间和学习机会。
技术前沿前沿/新兴技术
技术栈LLM、多智能体、Langgraph、MetaGPT、AutoGen、OpenRLHF、ms-swift、llama-factory、PyTorch、NLP
成长机会跟进LLM最新学术和社区进展
业务类型ambiguous
工作生活
50较低
北京现场办公，未提及弹性工作或远程，金融科技公司节奏可能较快，但正常双休。
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
70中等
金融科技领域应用LLM能提升服务效率和体验，具有一定社会价值，行业前景明朗。
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
奇富科技 的其他在招职位
相似职位推荐
Watch Jobs