国家电投
人工智能实验室算法工程师（研发中心-直管）
人工智能实验室算法工程师（研发中心-直管）
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机器学习工程
机器学习工程
Mlops
Pytorch
Rag
Tensorflow
分布式训练
大模型微调
智能体
值不值得投
67综合评分
综合评分 67
前沿AI技术栈、大模型落地场景丰富，薪资福利与WLB信息未披露。
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
4.0万
比机器学习工程中位数低
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 590 个在招 · 其中机器学习工程 2 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 550 个在招
职位详情
关于这个职位
该岗位负责AI算法模型研发与优化，参与大模型微调、压缩、推理加速及RAG、智能体应用落地，并覆盖数据清洗、训练、评估到服务化部署的全流程
适合有5年以上深度学习经验、希望将前沿大模型技术应用于能源场景的算法工程师
最低要求
学历要求：硕士研究生及以上学历，数学类、自动化类、计算机类、电子信息类、人工智能类等相关专业优先
工作经验：5年及以上机器学习/深度学习算法研发经验，具备完整AI项目落地经验者优先
领域经验：具有深度学习模型研发经验，包括但不限于自然语言处理、计算机视觉、多模态、推荐系统、时序预测等至少一个领域，有大模型研发、微调或应用经验者优先
主流框架与模型：深入了解主流AI框架与模型，熟悉PyTorch、TensorFlow、MindSpore等深度学习框架，熟悉Transformer架构及主流大模型（如Qwen、DeepSeek、LLaMA、Baichuan等）的结构特点与应用方式
了解Ascend NPU架构及CANN软件栈，有昇腾平台模型迁移经验者优先
编程语言与工具：具备扎实的编程能力，精通Python，熟悉C++/Java至少一门语言
熟练使用Pandas、NumPy等科学计算库进行数据处理
熟练使用通义灵码、文心快码等国内主流AI编程助手，具备高效的算法实现与调试能力
AI开发全流程：熟悉AI开发全流程，包括数据准备、模型设计、训练调优、评估验证、模型压缩（量化、蒸馏、剪枝）、推理部署等环节，了解MLOps理念，熟悉模型服务化部署框架（如Triton Inference Server、TorchServe、KServe）者优先
分布式训练：具有分布式训练经验，了解DeepSpeed、Megatron-LM、Colossal-AI等分布式训练框架，能够进行大模型的高效并行训练与优化，熟悉混合精度训练、梯度累积、模型并行等策略
RAG技术栈：具有检索增强生成（RAG）技术栈的实战经验，熟悉向量数据库（如Faiss、Milvus、Chroma）、Embedding模型、重排模型的使用与优化，具备构建知识问答系统经验者优先
智能体与工具链：熟悉主流智能体开发框架，如LangChain、LangGraph、AutoGen、CrewAI、Dify等，具备基于大模型的智能体应用开发经验，了解智能体规划、工具调用、多智能体协作等机制
公有云AI服务：熟悉主流公有云的AI开发与服务平台，至少使用过一家国内主流云厂商的AI服务，包括但不限于：阿里云（百炼平台、灵骏智算）、火山引擎（方舟平台）、腾讯云（慧眼、云智）、百度智能云（千帆平台）、华为云（ModelArts），了解国产软硬件协同开发
业务理解与抽象：具备良好的业务理解与问题抽象能力，能够快速理解业务场景痛点，将实际问题转化为算法问题，并设计有效的技术解决方案
逻辑思维与数据分析：具备优秀的逻辑思维与数据分析能力，能够从复杂数据中挖掘规律，定位模型效果瓶颈，持续迭代优化算法性能
学习与沟通：较强的学习能力与跨团队沟通协调能力，能够有效联动数据、工程、产品团队，共同推动AI算法在业务场景中的落地与价值实现
工作职责
负责人工智能算法模型的研发与优化，包括但不限于自然语言处理、计算机视觉、多模态、推荐系统、时序预测等领域
参与大模型的微调、压缩、推理加速等工作，推动大模型在业务场景中的落地应用
构建与优化RAG技术栈，包括向量检索、重排、Prompt工程等，提升知识问答系统的准确性与效率
开发基于大模型的智能体应用，探索Agent在多任务协同、工具调用等场景中的能力边界
参与AI开发全流程建设，包括数据清洗、模型训练、评估验证、服务化部署等环节
跟踪前沿AI技术动态，将学术界或工业界最新成果引入实验室，推动技术创新与应用转化
与平台开发、应用开发团队紧密协作，确保算法模型的高效集成与稳定运行
优先资格
加分项：
在国际顶级会议或期刊发表过论文，或在知名算法竞赛中取得优异成绩
拥有算法工程化落地经验，熟悉Docker、Kubernetes等容器化技术
拥有人工智能方向相关专利者优先
任职要求中的优先条件：
数学类、自动化类、计算机类、电子信息类、人工智能类等相关专业优先
具备完整AI项目落地经验者优先
有大模型研发、微调或应用经验者优先
有昇腾平台模型迁移经验者优先
熟悉Triton Inference Server、TorchServe、KServe等模型服务化部署框架者优先
具备构建知识问答系统经验者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，覆盖大模型微调、RAG、Agent、分布式训练等热门方向
- 岗位强调AI全流程与工程化落地，有助于积累端到端项目经验
- 背靠大型能源企业场景，可将AI算法与真实业务问题结合
- 实验室/研发中心定位，通常有较多技术跟踪与创新转化空间
- 任职要求覆盖NLP、CV、多模态、推荐、时序等多个方向，知识面要求较宽
- JD未披露薪资、办公模式与团队规模，需在面试中进一步确认实际工作边界
- 适合已有扎实深度学习基础、希望在大模型/RAG/Agent方向持续深耕，并愿意将算法落地到能源业务场景的求职者
缺点 / 挑战
- 同时要求大模型、RAG、Agent、分布式训练和部署工程化能力，技术深度与广度压力较大
角色解读
- 可在LLM应用、RAG/Agent、分布式训练等方向深耕，成长为资深算法专家或技术负责人
- 通过参与AI全流程与跨团队协作，积累从算法研发到工程化落地的完整经验
- 结合能源/电力业务场景，可发展为AI+能源交叉领域的算法骨干
- 负责NLP、CV、多模态、推荐系统、时序预测等方向的AI算法模型研发与优化
- 参与大模型微调、压缩、推理加速，并构建RAG技术栈与知识问答系统
- 开发基于大模型的智能体应用，探索多任务协同、工具调用等能力边界
- 参与数据清洗、模型训练、评估验证、服务化部署等AI全流程建设，并与平台/应用团队协作落地
- 扎实的Python编程能力，熟悉C++/Java至少一门语言，熟练使用Pandas、NumPy等工具
- 熟悉PyTorch/TensorFlow/MindSpore等框架，理解Transformer及Qwen、DeepSeek、LLaMA等主流大模型
- 具备分布式训练、模型压缩、推理部署经验，了解DeepSpeed、Megatron-LM、Triton等工具
- 熟悉RAG、向量数据库、LangChain/LangGraph/AutoGen等智能体开发框架，并有业务抽象能力
申请策略
- 投递前了解国家电投在能源数字化、AI实验室方面的公开信息，面试中体现业务理解
- 主动与HR确认岗位所属团队、办公地点、薪资结构与考核方式
- 突出5年以上机器学习/深度学习算法研发经历，以及完整AI项目从数据到上线的闭环案例
- 量化展示大模型微调、压缩、推理加速、分布式训练或RAG/Agent项目的效果提升
- 列出PyTorch、MindSpore、DeepSpeed、LangChain、向量数据库等具体工具栈
- 如有昇腾平台迁移、国产云AI服务、Docker/Kubernetes经验，建议单独成段强调
- 补齐RAG全链路实践，包括Embedding、向量检索、重排、Prompt工程和知识问答评估
- 准备一个智能体项目案例，体现工具调用、多智能体协作或LangGraph/AutoGen等框架使用
面试指南
- 项目题采用STAR：背景痛点→技术方案→关键难点→量化结果→复盘
- 技术题先讲原理与选型依据，再结合项目中的参数、指标和踩坑经验
- 开放设计题先澄清业务目标与约束，再给出分层架构、评估指标和迭代路径
- 请介绍一个你主导的大模型微调或RAG落地项目，效果如何评估？
- 如何做LLM推理加速和模型压缩？量化、蒸馏、剪枝分别适合什么场景？
- 多卡分布式训练中遇到过哪些问题？如何优化DeepSpeed/Megatron训练效率？
- 设计一个面向企业知识库的RAG问答系统，你会如何选型与评估？
- 如何把业务痛点抽象成算法问题，并推动跨团队落地？
职位点评
薪资福利55
成长发展90
工作生活50
使命价值78
薪资福利
55较低
JD未披露薪资范围与福利信息，补偿性动机只能按中性偏保守判断；具体薪酬需在沟通中确认。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
90较高
岗位覆盖大模型微调、压缩、推理加速、RAG、Agent与分布式训练，技术栈前沿且完整，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、MindSpore、Transformer、Qwen、DeepSeek、LLaMA、Baichuan、Ascend NPU、CANN、RAG、Faiss、Milvus、Chroma、LangChain、LangGraph、AutoGen、CrewAI、Dify、DeepSpeed、Megatron-LM、Colossal-AI、Triton Inference Server、TorchServe、KServe、Docker、Kubernetes
成长机会跟踪前沿AI技术动态、推动技术创新与应用转化、参与AI开发全流程建设
业务类型ambiguous
工作生活
50较低
JD未提及办公模式、弹性工时或加班安排，生活化动机信息不足，按中性评分。
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
78中等
岗位聚焦AI算法在业务场景中的落地与技术创新，技术应用价值较明确，但JD未直接披露社会使命或行业影响力信息。
行业发展新兴领域（暂难判断）
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs