吉利汽车
资深算法工程师
资深算法工程师
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Llm
Pytorch
Rlhf
Tensorflow
分布式训练
多模态
大模型
机器学习
模型优化
值不值得投
80综合评分
综合评分 80
车企大模型算法核心岗，技术前沿、发展空间大，但需应对高难度技术挑战。
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
37K
比人工智能中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 2100 个在招 · 其中人工智能 27 个
市场机会
选择面较广
杭州 · 人工智能 · 约 310 个在招
职位详情
关于这个职位
这是吉利汽车集团招聘的资深算法工程师岗位，主要负责大语言模型（LLM）相关的算法研发与应用
你需要参与模型预训练、微调及优化，并主导自然语言处理、多模态理解等方向的技术攻关，将大模型技术落地到智能问答、搜索推荐、智能客服等实际业务场景中，以推动公司智能化能力的突破
最低要求
硕士及以上学历，计算机、数学、人工智能等相关专业背景
博士优先
扎实的机器学习、深度学习理论基础，熟悉Transformer等主流模型架构
在大模型预训练、微调、RLHF（人类反馈强化学习）、检索增强生成（RAG）等方向有实际项目经验
熟练掌握主流深度学习框架（PyTorch、TensorFlow 等），具备分布式训练和大规模数据处理经验
有大模型在自然语言处理、推荐系统或多模态应用场景落地经验者优先
良好的工程实现能力和代码规范，能够将算法快速原型化并应用于业务
具备优秀的问题分析和解决能力，良好的沟通和团队协作能力
工作职责
负责大模型（LLM）相关的算法研发与应用，包括预训练、微调、对齐和推理优化
主导自然语言处理、多模态理解、知识增强等方向的模型创新和技术攻关
深入参与大模型在智能问答、搜索推荐、内容生成、智能客服等业务场景的落地和优化
探索并实现高效的模型训练和推理方案，包括模型压缩、蒸馏、并行训练和加速优化
跟踪业界前沿技术动态，推动团队在大模型方向的能力建设与突破
优先资格
有开源大模型或框架贡献经验（如 Hugging Face、DeepSpeed、Colossal-AI 等）
在顶级会议/期刊（NeurIPS、ICML、ACL、CVPR 等）发表过论文
有 GPU/分布式计算优化经验，对系统架构和推理加速有深入理解
AI 洞察
优缺点分析
优点
- 身处大模型技术前沿，能够直接参与和推动行业领先的AI技术在汽车领域的落地
- 吉利作为大型车企，能提供丰富的业务场景和海量数据资源，对技术实践和成长非常有利
- 技术栈先进且聚焦，有利于积累在大模型、多模态等热门领域的深度经验
- 大模型研发与优化工作技术难度高，对理论基础和工程实现能力要求极高
- 适合具有深厚算法功底、对大模型技术充满热情、并乐于将前沿技术解决实际复杂问题的工程师
缺点 / 挑战
- 需要将AI技术与传统汽车业务（如座舱、驾驶）深度融合，可能面临复杂的业务理解挑战
- 作为技术攻坚岗位，可能需要应对紧迫的项目节点和持续的技术迭代压力
角色解读
- 技术专家路线：持续深耕大模型技术，成为领域内顶尖的技术专家或科学家
- 技术管理路线：在技术深度足够的基础上，带领团队负责更大规模的技术项目
- 行业应用专家：深入理解汽车行业，将AI技术与汽车业务深度融合，成为跨界专家
- 从事大语言模型（LLM）的核心算法研发，包括模型的预训练、微调与对齐
- 主导特定技术方向（如NLP、多模态）的创新，并解决关键技术难题
- 将前沿的模型技术应用到具体的业务场景（如智能客服、搜索推荐）中，实现技术价值
- 需要扎实的机器学习与深度学习理论功底，熟悉Transformer等主流架构
- 必须掌握大模型全流程开发经验，包括预训练、微调、RLHF等核心技术
- 需熟练使用PyTorch/TensorFlow等框架，并具备处理大规模数据的工程能力
申请策略
- 研究吉利汽车在智能化（智能座舱、智能驾驶）方面的公开资料和产品，理解技术落地的业务背景
- 准备一个能完整阐述技术选型、实现挑战与解决方案的项目案例，以应对深度技术面试
- 重点突出在大模型相关项目中的具体贡献，如负责的模块、采用的技术（RLHF/RAG）、取得的量化效果
- 强调扎实的机器学习理论基础和对Transformer等核心架构的深入理解
- 列出熟练掌握的深度学习框架（PyTorch）及工程工具，展示代码能力和系统设计能力
- 系统复习大模型从预训练到应用的全链路知识，特别是RLHF、RAG等核心技术
- 针对汽车行业的典型场景（如多模态理解、智能问答）进行技术调研和案例分析
- 练习在分布式环境下进行大规模模型训练和优化的工程实践
面试指南
- 对于技术项目问题，采用STAR法则（情境、任务、行动、结果），重点阐述技术决策的思考过程和量化成果
- 对于原理性问题，先讲清核心概念，再结合自己的实践经验，说明实际应用中的考量和变通
- 对于开放性问题，展示你的系统性思维，从技术可行性、业务价值、用户体验等多个维度进行分析
- 请详细介绍你做过的最复杂的大模型项目，你在其中负责什么，遇到了什么技术难点，如何解决的？
- RLHF（人类反馈强化学习）和传统监督微调在原理和应用上有什么区别？在项目中你是如何选择的？
- 如何评估和提升大模型在特定业务场景（如智能客服）下的效果？你会关注哪些指标？
- 如果让你设计一个大模型在汽车座舱内的交互方案，你会如何考虑技术架构和优化方向？
- 你对当前大模型技术（如开源模型发展、推理加速）的最新进展有什么看法？
职位点评
薪资福利82
成长发展88
工作生活65
使命价值85
薪资福利
82较高
作为上市车企集团的核心技术岗，薪资福利具有市场竞争力，能提供稳定的职业平台和有保障的薪酬体系。
薪资信号市场水准 (28K-45K/月)
成长发展
88较高
岗位直接涉及大模型、多模态等前沿技术领域，能获得深入的技术积累和复杂工程经验，成长空间广阔。
技术前沿前沿/新兴技术
技术栈LLM、Transformer、RLHF、RAG、PyTorch、多模态
成长机会推动团队在大模型方向的能力建设与突破
业务类型ambiguous
工作生活
65中等
工作地点在杭州，是宜居城市。但作为核心技术攻坚岗位，且未提及办公模式和WLB，预计工作强度较高。
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
85较高
将前沿AI技术应用于汽车智能化，推动产品体验革新，具有明确的行业价值和技术引领意义。
行业发展高速增长赛道
社会影响中性/一般
使命信号推动团队在大模型方向的能力建设与突破
创新程度积极采用新技术
Watch Jobs