德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 3 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
Llm
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
Vllm
机器学习
值不值得投
74综合评分
综合评分 74
传统车企巨头的大模型算法岗，技术栈前沿、成长空间大，薪资中等，适合追求技术深度的算法人才。
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
2万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
54 个在招 · 其中人工智能 3 个
市场机会
选择不多
沈阳 · 人工智能 · 3 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及大语言模型（LLM）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
你需要独立完成从数据挖掘、模型训练到推理优化及部署的全生命周期管理，推动大模型技术在企业级场景的落地
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、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、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、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
- 接触前沿的大模型技术栈（LLM、RAG、Agent等），技术成长空间大
- 跨国企业平台，英语工作环境有助于提升国际化视野与跨部门协作能力
- 大模型技术迭代极快，需要持续学习以保持技术领先
- 适合具备3年左右AI算法经验，对大模型技术有热情，且希望在实体制造业中推动AI技术落地的技术人才
缺点 / 挑战
- 传统制造业背景下的AI落地可能面临业务场景复杂、数据质量参差不齐等工程化挑战
角色解读
- 从AI算法工程师向大模型技术专家或AI架构师发展，也可向AI项目负责人或技术管理方向转型，主导企业级AI战略落地
- 负责机器学习、深度学习及大语言模型（LLM）的算法设计与开发，构建定制化AI解决方案
- 独立完成从数据挖掘、模型训练、推理优化到部署的全生命周期管理，推动大模型在企业级场景落地
- 扎实的数学基础与Python编程能力，精通PyTorch/TensorFlow等深度学习框架
- 具备大模型微调、RAG、Agent开发及推理加速（vLLM等）的实战经验，且英语可作为工作语言
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，思考大模型技术如何赋能其生产制造、供应链或客户服务场景
- 突出大模型（LLM）微调、RAG、Agent开发及推理优化的具体项目经验与业务收益
- 强调独立主导AI项目从0到1落地的能力，以及英语工作能力
- 深入学习vLLM、Ollama等推理框架及模型量化/蒸馏技术，提升大模型工程化部署能力
- 熟悉LangChain/LlamaIndex等应用开发框架
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出技术选型的思考过程、解决复杂问题的具体步骤以及最终量化的业务收益
- 请分享一个你独立主导的大模型应用落地项目，遇到了哪些技术挑战及如何解决？
- 在优化LLM推理流程时，你如何使用vLLM或量化技术降低延迟并提高吞吐量？
- 如何设计一个基于RAG的企业级知识问答系统，以保证回答的准确性和实时性？
- 在跨国团队中，你如何克服语言和文化差异进行高效的技术沟通与协作？
- 复习大模型核心原理（如Transformer、Attention机制）及主流微调方法（LoRA、P-Tuning等）
- 准备英语口语自我介绍及常见技术问题的英文表达
职位点评
薪资福利70
成长发展85
工作生活65
使命价值75
薪资福利
70中等
沈阳地区3年大模型算法经验薪资处于中等偏上水平，外企福利体系相对完善，但整体薪资上限不及一线城市互联网大厂。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位涉及LLM、RAG、Agent等前沿大模型技术，技术栈非常现代，且外企提供内部培训与国际化交流机会，技术成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、NLP、LangChain、LlamaIndex、RAG、Agent、vLLM、PyTorch、TensorFlow
成长机会持续教育需求、内部及外部培训
业务类型ambiguous
工作生活
65中等
外企通常注重工作生活平衡，但大模型算法岗本身具有一定的技术挑战和项目压力，且JD未明确说明弹性工作制。
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
汽车制造业正处于智能化转型期，将大模型技术应用于传统制造业具有明确的社会与产业价值，但JD中未强调宏大的社会使命。
行业发展高速增长赛道
社会影响中性/一般
使命信号提升驾驶体验
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
Watch Jobs