京东
大模型算法岗
大模型算法岗
发布于 1 天前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
NLP
强化学习
RAG
LLM
大模型
RLHF
DPO
医疗AI
AI 估算 · 30k–55k
大模型算法岗为稀缺技术方向，京东平台加持，北京一线城市薪资水平高，月薪3-5.5万合理。
职位详情
关于这个职位
该职位负责京东健康医疗大模型的后训练与智能体核心算法研发，通过RLHF、DPO、RAG等前沿技术提升模型在医学循证推理、复杂医学理解等方面的能力，并推动技术成果在问诊、诊断等业务场景落地，实现医生效率提升和C端健康管理
适合有志于利用AI解决医疗产业问题的NLP/大模型专家
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或大模型领域有丰富的实际项目研发经验和模型训练经验
熟练掌握NLP/大模型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
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
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
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，提升大模型在医学循证推理、复杂医学资料理解与运用、指令遵循、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大规模数据清洗、自动数据配比、提升指令数据质量、复杂推理数据合成、奖励建模、DPO、强化学习、自进化等技术
医疗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、RAG、多智能体协作、computer use等关键模块的训练优化,提升Agent的自主决策和任务完成能力
技术影响力：保持医疗大模型技术业内领先，产出开源代码、模型、论文等成果
业务应用：在问诊、诊断、处置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
AI 洞察
优缺点分析
优点
- 切入医疗AI赛道，结合京东健康业务，技术落地场景明确且价值巨大
- 使用最前沿的大模型技术（RLHF、Agent等），个人技术成长迅速
- 京东大厂平台，职业背书强，资源丰富，有机会发表高影响力论文
- 技术难度高，需要持续学习最新论文和方法，保持竞争力
- 适合对NLP/大模型有深入研究、乐于攻克技术难题、希望在医疗AI领域建立影响力的求职者
缺点 / 挑战
- 医疗领域有较高知识门槛，需要理解和处理复杂医学数据
- 业务压力大，可能需要快速迭代和产出，工作节奏可能较快
角色解读
- 成为医疗AI领域的顶级专家，主导核心技术方向
- 向技术管理岗位发展，带领团队攻克难题
- 横向拓展至其他AI方向（如通用大模型、多模态），或深入业务成为行业专家
- 负责医疗大模型的后训练，通过持续预训练、指令微调、RLHF等方法提升模型在医学推理、长文本等任务上的表现
- 研发医疗智能体核心算法，包括意图理解、任务规划、工具调用、RAG等模块，提升Agent自主决策能力
- 产出开源代码、模型和学术论文，保持技术领先性
- 将技术落地于京东健康业务，如问诊、诊断等场景，辅助医生并服务C端用户
- 扎实的NLP/大模型理论基础，熟悉Transformer、预训练、微调等范式
- 丰富的模型训练经验，包括数据清洗、配比、指令微调、RLHF等全流程
- 掌握强化学习（PPO、DPO）、检索增强生成（RAG）、多智能体等技术
- 熟练使用Python和至少一种深度学习框架（如PyTorch），具备良好的编程习惯
申请策略
- 提前了解京东健康的产品和业务现状，思考如何将技术应用于实际场景
- 准备一个完整的大模型训练案例，从数据到部署，体现工程能力
- 重点突出大模型训练项目经历，包括数据构建、模型调优、效果提升等具体细节
- 展示在顶级会议（ACL、EMNLP等）的论文发表或竞赛获奖，证明研究能力
- 如果有医疗相关的AI项目经验或知识，务必强调
- 列出熟练的技术栈，如PyTorch、HuggingFace、分布式训练等
- 补强强化学习方向，尤其是RLHF、DPO的实践
- 深入研究RAG、Agent等最新技术框架
面试指南
- 技术问题：先阐述理论基础，再结合个人项目经验说明实践细节，最后提出自己的思考
- 场景问题：从业务需求出发，分析难点，给出技术方案并论证可行性
- 请详细描述你参与的一个大模型训练项目，包括数据、模型架构、训练策略和效果评估
- 解释RLHF的原理，并说明在医疗场景中可能遇到的挑战
- 如何构建高质量的指令微调数据？如何处理数据质量不平衡？
- 对于医疗智能体，如何设计任务分解和工具调用机制？
- 如何评估医疗大模型的效果？除了准确率还关注哪些指标？
- 复习经典大模型论文（GPT系列、LLaMA、RLHF、RAG等），构建系统知识体系
匹配度报告
72
综合匹配度
京东医疗大模型算法岗，技术前沿，薪资优厚，社会价值高，但工作强度较大。
适合人群
适合最看重技术成长和行业前景、能接受较高工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活40
使命价值85
薪资福利匹配
75中等
未披露具体薪资，但京东大厂+大模型稀缺岗位，薪资预计处于市场较高水平。未提及额外福利。
薪资信号未披露（AI估算：30K-55K/月）
成长发展匹配
90较高
岗位使用最前沿的大模型技术，有论文产出机会，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、NLP、RLHF、RAG、Agent、DPO
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WLB信息，互联网大厂算法岗通常工作强度较大。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
85较高
医疗AI直接改善患者诊疗体验，社会价值高，且属于高速增长赛道。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs