京东
大模型算法工程师
大模型算法工程师
发布于 大约 21 小时前普通员工/个人贡献者
北京市
专家级经验
全职员工
仅现场办公
硕士
深度学习
NLP
LLM
大模型
RLHF
指令微调
DPO
医疗AI
智能体
AI 估算 · 35k–65k
大模型算法工程师属前沿稀缺岗位，京东健康业务增长快，薪资竞争力强，硕士3年+经验北京市场月薪在35k-65k之间。
职位详情
关于这个职位
该职位是京东健康医疗大模型的核心算法岗，负责大模型后训练（指令微调、RLHF）、智能体算法研发以及业务应用落地
你将参与前沿技术探索，将AI能力应用于问诊、诊断等场景，提升医生效率并服务C端用户
适合有NLP和大模型实战经验、追求技术突破与产业结合的工程师
最低要求
包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业硕士或博士
在NLP和大模型领域有3年以上的实际项目研发经验和模型训练经验
熟练掌握NLP基础理论和相关技术，在一个或多个领域能够独立开展研发工作，熟练使用至少一种编程语言和深度学习框架，熟练使用常用深度学习工具
良好的逻辑思维、优秀的分析问题能力，可以快速定位并解决问题，具有良好的代码编写习惯，对解决具有挑战性问题充满热情，有志于使用前沿AI技术解决健康、医疗等产业问题
符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信
工作职责
医疗大模型后训练:通过持续预训练、指令微调、RLHF技术手段，提升大模型在指令遵循、医学推理能力、长文本、角色扮演等核心任务上的能力
涉及技术包括但不限于自动数据配比、提升指令数据质量、数据合成、奖励建模、DPO、自进化等技术
大模型智能体核心算法研发:包括意图理解、规划决策、任务分解、工具调用、多智能体协作等关键模块的设计与优化，提升Agent的自主决策和任务完成能力
大模型业务应用:在问诊、诊断等方向达到医生能力等效，并应用于京东健康医疗服务，实现医生效率提升
构建AI原生产品，应用于大规模C端用户健康管理
优先资格
在ACL、EMNLP、SIGIR、NAACL、COLING、IJCAI、AAAI、KDD等学术会议或期刊以第一作者发表过文章，大型NLP竞赛获奖者或有实际项目开发经验者优先
AI 洞察
优缺点分析
优点
- 前沿技术栈：深度参与大模型后训练和智能体研发，紧跟AI最前沿方向
- 优质平台：京东健康业务场景丰富，数据量大，算法有直接落地价值
- 高薪资待遇：大模型人才稀缺，薪资水平处于市场顶端，福利完善
- 社会价值：用AI解决医疗难题，提升医生效率和患者体验，成就感强
缺点 / 挑战
- 技术难度大：医疗领域对准确性和安全性要求极高，模型需达到医生等效水平，挑战大
- 工作强度较高：互联网大厂节奏快，项目周期紧，可能需要加班迭代模型
- 竞争激烈：岗位吸引力强，吸引大量顶尖人才，面试和日常工作压力大
- 适合对NLP和大模型有深厚热情、喜欢挑战技术难题、希望在医疗AI方向深入发展的算法工程师
角色解读
- 技术纵深发展：成为大模型算法专家，精通训练、推理、部署全链路
- 横向扩展：转向AI产品架构师或技术负责人，主导医疗AI产品落地
- 行业影响力：通过发表顶会论文、参与开源项目，建立个人技术品牌
- 负责医疗大模型的后训练，包括指令微调、RLHF等，提升模型在医学推理等核心任务上的能力
- 研发大模型智能体算法，优化意图理解、任务分解、工具调用等模块，提升自主决策能力
- 将大模型应用于问诊、诊断等业务场景，实现医生效率提升并构建AI原生产品服务C端用户
- 扎实的NLP和大模型理论基础，熟悉Transformer、预训练、微调等核心技术
- 熟练使用Python及至少一种深度学习框架（如PyTorch），具备模型训练和调优经验
- 了解RLHF、DPO、奖励建模等对齐技术，有实际项目经验者优先
申请策略
- 关注京东健康在医疗AI领域的业务布局和产品，面试中展示对医疗场景的理解
- 准备1-2个完整的项目案例，包括问题、方案、结果和你的贡献，能清晰讲述技术细节
- 突出大模型训练或微调项目经验，详细描述使用的技术栈（如RLHF、DPO、数据合成）
- 强调在ACL/EMNLP等顶级会议发表的论文或竞赛成绩，体现研究能力
- 展示智能体相关项目经验，如规划决策、工具调用等
- 如果有医疗AI背景，务必突出，包括医学NLP、知识图谱等
- 深入掌握RLHF和DPO等对齐技术，可以复现简单的训练流程
- 了解医疗领域的NLP任务特点，如医学实体识别、关系抽取、医疗问答
面试指南
- 对于项目经验问题，采用STAR法则：背景→任务→行动→结果，突出技术难点和你的贡献
- 对于原理性问题，先给出核心概念，再结合实际经验说明应用中的考量和优化
- 对于开放性问题，结构化回答：从数据、模型、评估、业务四个维度展开，展示系统思考能力
- 请详细介绍你在大模型后训练方面的项目经验，包括数据、模型、训练策略和效果
- RLHF中奖励模型如何构建？遇到过哪些挑战？如何解决？
- 智能体中任务分解和工具调用的常见方法有哪些？如何保证Agent的鲁棒性？
- 如何评估医疗大模型的效果？有哪些关键指标？
- 你对京东健康在大模型上的应用有什么想法或建议？
匹配度报告
75
综合匹配度
京东健康大模型算法岗，前沿技术栈、高薪、医疗AI赛道，但WLB一般。
适合人群
最看重技术成长和行业前景，对薪资有较高期望，能接受一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值85
薪资福利匹配
85较高
京东作为大厂薪资福利有竞争力，虽未在JD中明确数额，但大模型算法岗位通常薪资较高，且京东稳定。
薪资信号未披露（AI估算：35K-65K/月）
成长发展匹配
90较高
岗位涉及大模型最前沿技术（RLHF、智能体等），技术成长空间极大，且有医疗业务场景支撑，发展前景好。
技术前沿前沿/新兴技术
技术栈大模型、RLHF、DPO、指令微调、智能体、NLP、PyTorch
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性工作或远程，互联网大厂通常有一定加班文化，WLB一般。
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
85较高
医疗AI直接改善健康服务，社会价值高；大模型是高速增长赛道，创新性强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号使用前沿AI技术解决健康、医疗等产业问题
创新程度积极采用新技术
Watch Jobs