德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 38 分钟前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Llm
Nlp
Prompt Engineering
Pytorch
Rag
值不值得投
73综合评分
综合评分 73
跨国车企AI算法岗，聚焦LLM前沿技术落地，技术成长性强，工作节奏适中
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
2.8万
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 250 个在招 · 其中AI算法 5 个
市场机会
选择不多
沈阳 · AI算法 · 5 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，特别是大语言模型（LLM）在企业级场景的落地应用
候选人需独立完成从数据挖掘、模型训练调优到部署的全生命周期管理，并利用LangChain等工具构建定制化AI解决方案，以提升业务场景的性能与效率
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、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管理周期管理，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
- 接触前沿的大模型与企业级AI应用落地，技术栈先进（LLM, RAG, Agent）
- 跨国企业背景，提供国际化视野和稳定的职业发展平台
- 需要平衡算法研发与生产工艺优化的双重职责
- 对英语工作能力有要求，需参与国际协作
- 具备3年以上AI实战经验，对大模型技术有深入理解，且希望在制造业数字化转型背景下发挥技术价值的工程师
缺点 / 挑战
- 大模型落地在实际业务场景中可能面临数据质量和算力限制挑战
角色解读
- 可向首席AI科学家、AI架构师或技术专家方向发展，也可转向AI项目管理或团队领导角色，专注于垂直行业的大模型落地应用
- 负责AI算法（特别是LLM和大模型应用）的设计、开发与全生命周期管理，包括模型训练、微调、部署及性能优化
- 精通Python及主流深度学习框架（PyTorch/TensorFlow），熟练掌握LLM生态工具（LangChain, vLLM等），具备扎实的数学基础和数据处理能力
申请策略
- 准备展示过往AI项目从开发到落地的完整案例，体现解决复杂业务问题的能力
- 注意简历中体现英语工作能力
- 突出LLM相关项目经验，特别是RAG、Agent、Prompt Engineering及模型优化（量化/蒸馏）的具体成果
- 强调Python编程能力及深度学习框架熟练度
- 加强大模型推理框架（如vLLM, TGI）的实际部署经验
- 提升在垂直领域进行模型微调（Fine-tuning）和数据集构建的能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目
- 重点阐述技术选型的理由、遇到的挑战及具体的解决方案（如使用了什么框架、做了哪些优化）
- 用数据量化成果（如准确率提升多少、延迟降低多少）
- 请介绍一个你主导的LLM应用项目，你是如何解决Prompt Engineering和RAG效果的？
- 在模型部署过程中，你如何优化推理延迟并提高吞吐量？
- 如何处理小样本数据下的模型微调问题？
- 请描述你使用过的模型轻量化技术及其效果
- 复习大模型核心原理（Transformer, Attention机制）
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
跨国巨头企业提供相对稳定的薪酬体系，但JD未明确提及具体薪资范围，属于市场水准偏上但未达顶尖水平。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
85较高
职位涉及最前沿的LLM和大模型技术应用，技术栈新颖，且公司有明确的培训和内部交流机制，有利于技能成长。
技术前沿前沿/新兴技术
技术栈LLM、LangChain、RAG、PyTorch、vLLM、Prompt Engineering
成长机会规划并实施复杂主题的内部及外部培训、识别公司内部本领域持续教育需求
业务类型profit_center
工作生活
60中等
制造业背景通常意味着较为规律的工作节奏，但AI研发本身具有挑战性，且需协调多方工作，WLB中等。
工作模式未明确
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
75中等
通过AI技术赋能汽车制造业，推动智能化转型，具有一定的社会价值和行业影响力。
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
高级算法工程师
京东 · 北京市
AI 估算 · 6.0–10.0万21 分钟前发布
CTO-算法实习生（MJ020742）
滴滴出行 · 北京市
AI 估算 · 4.3–6.5千42 分钟前发布
千问Qwen基础大模型训练调度与框架协同优化-阿里星
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万1 小时前发布
日常实习生-业务技术-AI应用算法工程师
阿里巴巴 · 杭州市
AI 估算 · 0.3–0.4千1 小时前发布
阿里云智能-AI基础软件高级技术专家-北京/上海/杭州
阿里巴巴 · 杭州市
AI 估算 · 6.0–10.0万1 小时前发布
千问事业部-多模态算法专家-修图Agent
阿里巴巴 · 杭州市
AI 估算 · 6.0–10.0万1 小时前发布
AI眼镜skill研发实习生
阿里巴巴 · 杭州市
AI 估算 · 0.2–0.3千1 小时前发布
集团安全部-内容安全大模型算法-商品治理大模型（杭州）
阿里巴巴 · 杭州市
AI 估算 · 3.0–6.0万1 小时前发布
Watch Jobs