智谱
大模型应用算法工程师
大模型应用算法工程师
发布于 6 个月前普通员工/个人贡献者
全职员工仅现场办公软件工程
软件工程
分布式训练
AI Agent
LLM
NLP
PyTorch
RLHF
SFT
TensorFlow
值不值得投
79综合评分
综合评分 79
前沿大模型技术岗，成长空间巨大，薪资竞争力强，需在北京现场办公。
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
4.8万
与软件工程中位数基本持平
发布情况
长期在招 · 165 天前发布
公司情况
这家公司招聘很活跃
约 280 个在招 · 其中软件工程 约 120 个
市场机会
选择面较广
北京 · 软件工程 · 约 1790 个在招
职位详情
关于这个职位
这是一个专注于大模型应用落地的算法工程师职位
你将负责大模型的微调、对齐优化，并将其应用于对话系统、内容生成、智能Agent等前沿生产力场景，推动技术从原型到规模化商用的全过程
最低要求
必需项：
硬核编程与框架驾驭能力：精通Python，熟练掌握PyTorch/TensorFlow等深度学习框架，并具备框架底层调优（如算子优化、分布式配置优化）的实战经验
深厚的NLP与LLM理论功底：拥有扎实的自然语言处理基础，深入理解Transformer及主流LLM（如GPT、BERT等）的原理与细节，具备出色的模型设计与优化能力
丰富的大模型研发与落地经验：3年以上大模型研发经验，作为核心成员主导过至少1个完整的大模型从研发到落地的项目，熟悉其中的关键挑战与解决方案
卓越的技术攻坚与问题拆解能力：具备复杂技术问题的系统性拆解能力，能够快速定位并有效解决模型训练、调优或落地过程中的各类瓶颈与难题
出色的跨团队沟通与协同能力：拥有优秀的跨团队沟通技巧，能够清晰、准确地传递技术方案与进展，有效推动多方协同，确保项目高效落地
工作职责
你将有机会：
主导大模型全生命周期技术攻坚：深度参与并大模型微调（SFT/LoRA等）、对齐优化（DPO/RLHF等）全流程，以极致技术追求，不断突破模型性能、效率与鲁棒性的边界，攻克训练与推理中的核心技术瓶颈
定义下一代生产力应用算法范式：独立设计并推动大模型在对话系统、内容生成、智能Agent、端侧多模态等前沿生产力场景的算法方案落地，持续优化准确率、生成质量等核心指标，打造用户极致体验
引领技术前沿探索与创新：敏锐洞察并持续跟踪NLP/LLM领域顶会动态及开源进展，主导Transformer架构改进、多模态融合、AI Agent等前沿技术的探索与预研，将最前沿的技术转化为产品创新的核心驱动力
驱动技术价值规模化实现：与产品、工程等团队高效协同，清晰输出技术方案与实施路径，推动大模型产品从原型验证到规模化商用的全流程落地，实现技术价值的最大化
优先资格
加分项（若你拥有以下特质，将更具优势）：
学术影响力或开源贡献：在NLP/LLM相关顶会（如ACL, EMNLP, NeurIPS, ICML等）发表过高质量论文，或为LLaMA、Alpaca等知名开源项目做出过核心贡献
大规模分布式训练实战：具备DeepSpeed、FSDP等分布式训练框架的大规模实践经验，熟悉千亿级参数模型的训练策略与优化技巧
跨模态或Agent架构经验：拥有跨模态大模型（如视觉-语言模型）或AI Agent（如LangChain等）的架构设计与实际落地经验
AI 洞察
优缺点分析
优点
- 技术前沿性强：直接参与大模型这一AI最前沿领域的应用与创新，技能积累价值高，行业前景广阔
- 平台与项目价值：有机会在知名AI公司主导从0到1再到N的项目，技术成果能直接转化为商业产品，成就感强
- 综合能力锻炼：不仅涉及深度算法研发，还涵盖技术方案设计、跨团队协作和产品落地，能全面提升技术工程化能力
- 竞争激烈：大模型领域人才竞争白热化，需要保持极强的技术敏锐度和持续学习能力以维持竞争力
- 适合对AI和大模型技术有强烈热情、具备扎实算法工程基础、追求技术深度与产品落地结合，并能在快节奏环境中成长的资深工程师
缺点 / 挑战
- 技术难度与压力大：大模型训练、调优和落地过程复杂，需要持续攻克技术瓶颈，对学习能力和抗压能力要求高
- 工作强度可能较高：涉及前沿探索和产品快速迭代，可能需要应对较快的节奏和一定的项目压力
角色解读
- 技术专家路径：深耕大模型算法，在模型优化、多模态、AI Agent等前沿方向成为领域专家，或向架构师发展
- 技术管理路径：积累项目管理和团队协作经验后，可转向技术经理或技术负责人，负责更大规模的技术团队和项目
- 产品技术结合路径：深入理解业务和产品后，可向AI产品经理或技术产品负责人方向发展，主导AI驱动的产品创新
- 负责大模型的全流程技术攻坚，包括微调（SFT/LoRA）、对齐优化（DPO/RLHF）等，以提升模型性能、效率和鲁棒性
- 将大模型技术应用于具体生产力场景，如对话系统、内容生成、智能Agent等，设计并落地算法方案，优化用户体验指标
- 跟踪NLP/LLM领域前沿动态，探索Transformer架构改进、多模态融合等新技术，并将其转化为产品创新的驱动力
- 与产品、工程团队紧密协作，推动大模型产品从技术原型到规模化商业应用的全流程落地
- 扎实的编程与深度学习框架能力：精通Python，熟练掌握PyTorch/TensorFlow，并能进行底层框架调优
- 深厚的NLP与LLM理论基础：深入理解Transformer架构及主流大模型原理，具备模型设计与优化能力
- 丰富的大模型项目实战经验：拥有3年以上大模型研发到落地的完整项目经验，能解决其中的核心挑战
- 出色的技术攻坚与沟通能力：能系统性拆解复杂技术问题，并有效进行跨团队沟通与协作
申请策略
- 提前研究智谱公司的公开技术成果、产品线和发展方向，在面试中展现出你对公司业务的了解和加入的诚意
- 准备1-2个能体现你“技术追求极致”和“推动技术落地”的完整项目案例，按照STAR法则梳理清楚，以备深入讨论
- 重点突出与大模型直接相关的项目经验，详细描述你在其中承担的核心角色、解决的关键技术难题以及取得的量化成果（如性能提升百分比）
- 清晰展示你的技术栈深度，特别是Python、PyTorch/TensorFlow的熟练程度，以及任何框架底层优化或分布式训练的经验
- 若有顶会论文、知名开源项目贡献或大规模模型训练经验，务必在醒目位置列出，这是强有力的加分项
- 通过项目描述体现你的技术攻坚、问题拆解以及跨团队协作能力，而不仅仅是罗列技术名词
- 深入复习Transformer、GPT系列、BERT等主流LLM的模型架构、训练细节和优化方法，确保理论功底扎实
- 动手实践大模型微调（如使用Hugging Face库进行SFT）、对齐技术（如DPO）或简单的Agent框架（如LangChain），积累实操经验
面试指南
- 对于项目经验类问题，采用“背景-任务-行动-结果”的结构，重点突出你的技术决策过程、解决问题的思路以及带来的实际影响
- 对于技术原理类问题，先清晰阐述基本概念，再结合自己的理解或实践经验进行对比分析，最后可以延伸到实际应用中的考量
- 对于系统设计或优化类问题，先界定问题和边界，然后分层（数据、模型、工程）或分模块进行阐述，最后总结核心思路和潜在权衡
- 请详细介绍一个你主导或深度参与的大模型项目，你在其中解决了最核心的技术挑战是什么？
- 在模型微调（SFT）过程中，如果遇到过拟合或效果提升不明显的问题，你会如何分析和解决？
- 请比较一下DPO和RLHF这两种对齐方法的原理、优缺点和适用场景
- 如何设计一个基于大模型的智能客服Agent的系统架构？需要考虑哪些关键模块和挑战？
- 当模型推理速度成为产品瓶颈时，你会从哪些方面进行优化？
职位点评
薪资福利80
成长发展95
工作生活50
使命价值85
薪资福利
80较高
薪资估算位于市场高位，且AI大模型领域人才溢价明显，但具体福利待遇未在JD中披露。
薪资信号偏高 (3.5–6万/月)
成长发展
95较高
职位直接接触AI最前沿的大模型技术，涉及从研发到商用的全流程，技术成长和职业发展空间巨大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、Transformer、LLM、SFT、LoRA、DPO、RLHF、DeepSpeed、FSDP、AI Agent、LangChain
成长机会快速成长
业务类型profit_center
工作生活
50较低
工作地点明确为北京，需现场办公，且JD中未提及任何弹性工作或WLB相关信号，需做好应对一定工作强度的准备。
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
85较高
致力于将前沿大模型技术转化为改变生产力的实际应用，推动下一代智能应用诞生，工作具有强烈的技术使命感和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号驱动生产力变革、创造未来、改变生产力的实际应用
创新程度积极采用新技术
Watch Jobs