哈啰出行
nlp高级专家（大模型）
nlp高级专家（大模型）
发布于 大约 17 小时前普通员工/个人贡献者
杭州市 / 上海市
专家级经验
全职员工
仅现场办公
博士
强化学习
自然语言处理
分布式训练
大模型
全参数微调
搜推
AI 估算 · 35k–65k
大模型专家稀缺，高薪赛道，超大型企业薪资竞争力强，合理范围35-65k/月。
职位详情
关于这个职位
该职位负责哈啰出行大模型的应用落地，包括开发支持千万DAU的Agent系统（如交易撮合、生成式搜推、智能客服等），要求具备大模型后训练、高参数基座或复杂Agent搭建等高级经验
适合在大模型领域有深厚积累的专家
工作职责
研发哈啰出行大模型应用落地，支持千万DAU的Agent（包括主动性交易撮合Agent、生成式搜推广告大模型、智能客服、出行机器人等）
优先资格
有完整的后训练经验优先（包括 全参加训， RL，数据配比等）
有高参数行业大模型基座的经验优先（如医疗大模型，金融大模型等）
有大模型相关开源项目建设经验优先
有大模型相关学术成果优先（博士优先）
有复杂Agent的搭建经验优先 （如豆包、Kimi等c端Agent研发经验
有通用Agent（类似Manus）研发经验
如 AI电商、AI搜索、AI推荐等研发经验
智能驾驶座舱Agent）
AI 洞察
优缺点分析
- 岗位位于大模型前沿技术，技能积累价值极高，市场需求旺盛
- 哈啰出行是超大型企业，拥有海量出行数据和千万DAU，业务场景丰富
- 薪酬待遇在行业中具有竞争力，且公司融资阶段成熟，稳定性较好
- 有机会参与从零到一构建Agent系统，成就感强，且团队技术氛围浓厚
- 大模型应用落地难度大，要求深厚的技术功底和快速解决问题的能力
- 千万DAU的Agent系统对性能、稳定性和实时性要求极高，工作强度可能较大
- 技术迭代快，需要持续学习最新论文和开源技术，保持竞争力
- 适合对大型语言模型有深入理解、喜欢挑战复杂系统、追求技术成长的资深工程师或研究员
角色解读
- 技术方向：从大模型专家晋升为技术负责人，领导团队攻克更复杂的AI系统
- 业务方向：深入理解出行与交易场景，成为AI+业务复合型人才
- 行业方向：大模型是未来十年核心赛道，积累经验后可跳槽至顶尖AI公司或创业
- 负责大模型在出行场景的落地，包括Agent系统的设计与开发，如交易撮合、智能客服等
- 参与大模型的训练、微调、强化学习等后训练环节，优化模型效果
- 与业务团队协作，将大模型应用于搜索推荐、广告等场景，提升用户体验和业务指标
- 探索前沿技术，如复杂Agent搭建、开源项目贡献，推动技术迭代
- 精通大模型训练全流程，包括预训练、微调、RLHF等，有实际项目经验
- 熟悉Agent架构设计，有C端Agent或通用Agent开发经验者优先
- 掌握Python及主流深度学习框架（PyTorch/TensorFlow），具备分布式训练能力
- 具备良好的工程能力和问题解决能力，能够将研究落地到千万DAU产品中
申请策略
- 深入了解哈啰出行现有的AI产品（如智能客服、推荐系统），在面试中结合业务思考创新点
- 强调自己能够将研究转化为实际产品，有强烈的业务驱动意识
- 重点突出大模型后训练（全参微调、RLHF）的项目经验，包括数据配比、效果优化等细节
- 强调高参数行业大模型的基座建设经验，如医疗、金融等领域
- 展示开源项目贡献或学术成果（如顶会论文），体现技术影响力
- 详细描述复杂Agent的搭建经历，如类似豆包、Kimi或通用Agent的研发工作
- 如果缺乏Agent经验，可快速学习LangChain、AutoGPT等工具，动手搭建一个简单Agent demo
- 补强分布式训练工具（如DeepSpeed、Megatron）的使用，熟悉混合精度、模型并行等技术
面试指南
- STAR法则：情境（Situation）、任务（Task）、行动（Action）、结果（Result），用具体数据和案例支撑
- 系统设计类问题：先明确需求（量级、功能），再给出分层架构（数据层、模型层、服务层），最后讨论优化点（缓存、分布式、监控）
- 开放式问题：结合公司业务（出行）和自身经验，从用户价值、技术可行性、风险控制三个角度阐述
- 请描述你参与过的大模型后训练项目，包括数据配比、奖励模型设计、RL训练流程
- 如何设计一个支持千万DAU的Agent系统？请从架构、性能、可扩展性等方面回答
- 在训练高参数行业大模型时，遇到的主要困难是什么？如何解决？
- 你如何看待Agent技术在出行场景的应用潜力？有哪些具体的落地设想？
- 说说你参与过的开源项目或发表的论文，你的主要贡献是什么？
匹配度报告
65
综合匹配度
大模型核心技术岗，发展前景极好，薪资高，但工作强度可能较大，WLB一般。
适合人群
最适合追求技术成长、愿意投入高强度工作以换取前沿经验与高回报的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展95
工作生活40
使命价值65
薪资福利匹配
60中等
薪资未明确，但根据行业和级别预估较高；福利未提及，补偿性动机满足程度中等。
薪资信号未披露 (35K-65K/月)
成长发展匹配
95较高
大模型是前沿技术，岗位涉及多种复杂任务，技能成长空间极大，且业务场景丰富，发展性动机满足程度极高。
技术前沿前沿/新兴技术
技术栈大模型、Agent、RLHF、全参数微调、分布式训练
业务类型profit_center
工作生活匹配
40较低
工作地点固定，未提及弹性办公或WLB信号，可能加班较多，生活方式动机满足程度低。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
65中等
出行行业社会影响力中性，但通过AI提升交易效率有积极意义，且行业增长快，意义感动机中等偏上。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs