中国汽研
大模型算法工程师（环境载荷方向）
大模型算法工程师（环境载荷方向）
发布于 大约 16 小时前普通员工/个人贡献者
重庆市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
PyTorch
RAG
TensorFlow
模型部署
特征工程
LLM微调
AI for Science
TensorRT
ONNX
AI 估算 · 20k–40k
重庆大模型岗位稀缺，技术难度高，上市企业薪资有竞争力，预计月薪2-4万，13薪。
职位详情
关于这个职位
该职位主要负责研究时序大模型和多模态大模型，应用于汽车腐蚀耐久性预测场景
你将主导从数据清洗、特征工程到模型训练和工程部署的全流程，融合环境时序数据和图像数据，打造专用大模型系统
适合对AI工业落地有热情、技术扎实的算法工程师
最低要求
学历及专业：硕士及以上学历，人工智能、计算机、数学、控制等相关专业
Python功底扎实，熟练使用PyTorch或TensorFlow
深度掌握时序预测或大模型技术（如Transformer、LLM微调/RAG、Informer等），有实际项目落地经验
熟悉模型部署技术（如TensorRT、ONNX）或有多模态建模经验者优先
具备优秀的逻辑思维与抗压能力，乐于接受高挑战性研发任务
工作职责
研究并引入时序大模型、多模态大模型等技术，解决汽车腐蚀耐久性预测中的关键难题
主导从数据清洗、特征工程到模型训练、工程部署的完整研发流程，打造面向腐蚀预测的专用大模型系统
融合环境时序数据、图像数据（金相/腐蚀图片）等多源信息，提升模型对复杂腐蚀形态的识别与预测能力
负责模型的压缩、加速与部署（云端/边缘端），并建立符合工程实际的评估与迭代体系
协同耐久测试中心完成模型闭环验证，跟踪AI for Science前沿方向（如虚拟筛选、腐蚀模拟），并产出论文、专利等成果
优先资格
熟悉模型部署技术（如TensorRT、ONNX）或有多模态建模经验者优先
AI 洞察
优缺点分析
优点
- 工业落地场景清晰，拥有真实腐蚀数据，研究成果可直接应用
- 上市公司平台稳定，资源充足，支持前沿技术探索
- 技术栈前沿（大模型、多模态），个人技术成长快
- 鼓励输出论文专利，有利于学术和职业发展
- 需要跨学科知识（AI+材料腐蚀），学习曲线较陡
- 模型从研究到部署的全流程工程复杂度高，对综合能力要求高
缺点 / 挑战
- 高挑战性研发任务，可能面临较大工作压力和加班
- 适合技术功底扎实、对AI工业应用有强烈热情、愿意接受高难度研发挑战的算法工程师
角色解读
- 成为AI for Science领域专家，深入腐蚀预测等工业场景
- 向技术Leader发展，主导研发团队和项目方向
- 积累汽车行业数字化转型经验，拓宽至其他工业AI应用
- 研究并引入时序大模型和多模态大模型，解决汽车腐蚀耐久性预测难题
- 主导从数据清洗、特征工程到模型训练、工程部署的全流程
- 融合环境时序数据和图像数据（金相/腐蚀图片），提升预测能力
- 负责模型压缩加速与部署，协同团队完成闭环验证并产出论文专利
- 扎实的Python编程能力和PyTorch/TensorFlow使用经验
- 深度掌握时序预测或大模型技术（如Transformer、LLM微调、RAG、Informer等）
- 熟悉模型部署工具（TensorRT、ONNX）或多模态建模经验
- 良好的逻辑思维和抗压能力，能应对高挑战研发任务
申请策略
- 面试前准备一个完整的AI项目案例，涵盖从数据到部署的全流程
- 了解中国汽研在汽车耐久性领域的业务方向，展示对行业痛点的理解
- 突出大模型或时序预测的项目落地经验，详述数据、模型、部署细节
- 展示多模态建模或模型加速部署（TensorRT/ONNX）的相关经历
- 如有论文、专利或竞赛获奖，务必列出以体现科研能力
- 强调Python和PyTorch/TensorFlow的熟练程度及项目成果
- 补充汽车腐蚀基础知识和环境时序数据特点，方便业务理解
- 学习模型压缩和加速工具（TensorRT、ONNX）的实战用法
面试指南
- 使用STAR法则：Situation-Task-Action-Result，突出技术难点和量化成果
- 展现技术深度：先讲原理再讲实现，并对比不同方案的优劣
- 强调落地意识：说明模型在实际场景中的效果和工程化考量
- 请介绍一个你使用时序大模型解决实际问题的项目
- 多模态数据（如时序+图像）融合时，你通常如何处理异构特征？
- 模型部署中遇到的最大挑战是什么？如何优化推理速度？
- 如何将物理先验知识（如腐蚀机理）融入深度学习模型？
- 你对AI for Science的理解？未来想探索哪些方向？
匹配度报告
69
综合匹配度
上市公司大模型算法岗，前沿技术栈，研发驱动，WLB一般。
适合人群
适合高度重视技术成长和前沿探索、对WLB要求不高的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活50
使命价值70
薪资福利匹配
70中等
未明确薪资，但上市企业通常提供市场水准薪酬和稳定福利，不过缺乏具体信息。
薪资信号未披露（AI估算：20K-40K/月）
成长发展匹配
85较高
职位涉及前沿大模型技术，鼓励论文专利产出，有实际工业数据，成长空间大。
技术前沿前沿/新兴技术
技术栈时序大模型、多模态大模型、Transformer、LLM微调、RAG、Informer、PyTorch、TensorFlow、TensorRT、ONNX
成长机会产出论文、专利等成果
业务类型ambiguous
工作生活匹配
50较低
仅现场办公，无远程或弹性工时说明，可能面临高强度研发压力。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
汽车行业成熟稳定，但腐蚀预测有实际环保和安全价值，创新性较高。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs