德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Large Language Models (Llm)
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
值不值得投
73综合评分
综合评分 73
跨国车企前沿AI算法岗，技术栈先进，侧重LLM落地，沈阳本地机会
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
2.4万
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 240 个在招 · 其中AI算法 2 个
市场机会
选择不多
沈阳 · AI算法 · 2 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及NLP领域的算法设计与开发，构建面向业务场景的定制化AI解决方案
核心工作包括大语言模型（LLM）的应用探索、Prompt Engineering方案实现、模型训练调优及推理流程优化，并管理AI模型的全生命周期以确保生产环境的稳定性与高性能
最低要求
本科及以上学历，计算机科学、数学、工业工程、人工智能应用等相关专业
扎实的数学基础，熟悉线性代数、概率统计和最优化理论
精通Python编程语言，熟悉Pandas、Scikit-learn等数据处理工具
熟练掌握TensorFlow、PyTorch或MindSpore等至少一种深度学习框架
具备至少3年AI算法研发或者大模型应用开发相关经验
独立主导或完整参与过至少2个AI项目的算法设计、开发与落地
英语可作为工作语言
工作职责
计划和实现现有产品和新产品的生产工艺
负责机器学习、深度学习、自然语言处理(NLP)等领域的算法设计与开发，构建面向业务场景的定制化AI解决方案
负责独立完成数据挖掘、特征工程、模型训练与调优工作，提升模型在准确率、泛化能力、实时性等方面的表现
探索大规模语言模型（LLM）在对话系统、知识图谱、内容生成和智能推荐等应用场景，推动大模型技术在企业级场景的落地
设计实现Prompt Engineering方案，结合LangChain、LlamaIndex等工具构建基于LLM的企业级AI应用系统
熟悉数据处理技术（数据清洗、特征提取）及工具（如Pandas、Scikit-learn），利用机器学习算法完成数据的聚类分布等，支撑结构LLM微调数据集工作
优化LLM推理流程，利用vLLM、Ollama、TGI等推理框架提升服务性能，降低延迟，提高吞吐量
掌握量化、蒸馏等模型轻量化技术
参与大模型继续预训练、微调、RAG（检索增强生成）、Agent（智能体）领域适配等工作，提升模型在垂直领域的表现
完成AI模型从训练、调参、测试到部署的全生命周期管理，确保模型在生产环境中的稳定性与高性能
在其专业领域内担任内部及外部联络人，参与内部工作组协作
编制内部相关文件并按需进行内部汇报
识别公司内部本领域持续教育需求
规划并实施复杂主题的内部及外部培训（含国内与国际培训）
协助制定并优化本专业领域的内部标准与流程
观察/识别专业领域趋势以制定方案
提出行动建议（如规划方法等）
在其专业领域内主要开展概念性工作
管理、控制和协调子项目，依据检查清单和绩效指标监控项目执行与目标达成情况
进行复杂分析以优化流程并制定改进措施
AI 洞察
优缺点分析
优点
- 身处跨国汽车巨头，平台稳定且资源丰富
- 聚焦前沿的大模型技术应用，技术栈先进
- 有机会将AI技术应用于实际工业生产场景，业务价值高
- 可能需要跨部门沟通，理解传统制造业的业务痛点
- 适合具有扎实算法基础，同时对大模型落地应用感兴趣，并希望在大平台从事技术深耕的工程师
缺点 / 挑战
- 需要平衡学术研究与企业级应用落地，对模型的稳定性、实时性和成本控制有较高要求
角色解读
- 可向AI算法专家、技术负责人方向发展，或在企业内部推动AI与传统制造业务的深度融合，成为懂业务的技术领军人才
- 负责设计和开发机器学习、深度学习及NLP算法，特别是针对大语言模型（LLM）在企业场景中的应用落地
- 精通Python及主流深度学习框架（PyTorch/TensorFlow），具备LLM微调、RAG架构设计及推理优化（vLLM等）的实战经验
申请策略
- 了解德科斯米尔在汽车内饰和线束领域的业务背景，思考AI如何赋能其生产制造或内部管理流程，展现业务思维
- 重点突出LLM相关的实战项目，如RAG系统搭建、Prompt Engineering优化、模型量化蒸馏等具体成果
- 强调Python编程能力及数据处理能力
- 深入理解Transformer架构及LLM原理，熟悉LangChain/LlamaIndex等开发框架，掌握模型部署与推理加速技术
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型的理由、遇到的具体问题及解决方案、最终的业务或技术指标提升
- 请介绍一个你主导的LLM应用落地项目，遇到的最大挑战是什么？
- 如何在资源受限的情况下优化LLM的推理速度和成本？
- 请解释一下RAG的工作原理及其在实际应用中的优缺点
- 如何将非结构化数据转化为适合LLM微调的高质量数据集？
- 复习大模型核心技术点（Attention机制、LoRA、PPO等），准备1-2个完整的AI项目案例，熟悉常用开源工具和框架的最新特性
职位点评
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利
70中等
作为跨国巨头企业，通常提供具有竞争力的薪资和完善的福利体系，但JD未明确披露具体薪资范围，属于市场水准偏上水平。
薪资信号未披露（AI估算：1.8千–3.0万/月）
成长发展
85较高
职位高度聚焦于LLM、RAG、Agent等前沿技术领域，且涉及模型全生命周期管理，技术成长空间大，符合发展性动机。
技术前沿前沿/新兴技术
技术栈LLM、NLP、LangChain、RAG、vLLM、PyTorch、Prompt Engineering
业务类型profit_center
工作生活
60中等
工作地点在沈阳工厂，通常为现场办公；JD未明确提及弹性工作制或WLB政策，但作为研发类岗位，可能比纯产线岗位稍好，整体中等。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
75中等
通过AI技术创新提升汽车驾驶体验和制造工艺，具有一定的社会价值和行业影响力，符合意义感动机。
行业发展稳定成熟行业
社会影响中性/一般
使命信号enhance your driving experience、automotive innovations
创新程度积极采用新技术
德科斯米尔 的其他在招职位
相似职位推荐
点评技术-大模型算法专家
美团 · 上海市
AI 估算 · 4.0–7.0万1 小时前发布
业务技术-AI Agent 后训练专家-杭州
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万2 小时前发布
研究型实习生-多模态通用和推理大模型后训练研究
阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千2 小时前发布
阿里妈妈-AI应用算法工程师-AI Data & Decision Intelligence
阿里巴巴 · 杭州市
AI 估算 · 3.0–6.0万2 小时前发布
集团安全部-反爬算法专家-AI-native
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万2 小时前发布
AI推理平台-AI 推理系统工程师（RSI 方向）-杭州
阿里巴巴 · 杭州市
AI 估算 · 3.0–6.0万2 小时前发布
算法实习生 - 医疗方向
阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千2 小时前发布
阿里云智能-异构计算软硬件结合开发专家-杭州
阿里巴巴 · 杭州市
AI 估算 · 5.0–9.0万2 小时前发布
Watch Jobs