京东
大模型算法开发
大模型算法开发
发布于 大约 20 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
深度学习
NLP
PyTorch
大模型
RLHF
指令微调
DPO
医疗AI
智能体
AI 估算 · 35k–65k
大厂大模型算法岗，技术前沿且稀缺，北京薪资水平较高，综合行业竞争力估算。
职位详情
关于这个职位
该职位负责京东医疗大模型的后训练与智能体算法研发，通过持续预训练、指令微调、RLHF等技术提升模型在医疗场景的核心能力，并应用于问诊、诊断等实际业务，目标是实现医生效率提升和C端健康管理产品创新
适合有NLP和大模型实战经验、热爱医疗AI前沿技术的研发人员
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
- 京东作为互联网大厂，平台大、资源多，能够接触海量医疗数据和高并发业务场景
- 医疗大模型是AI领域热门方向，技术积累含金量高，职业竞争力强
- 工作内容涉及从研究到落地的全链条，适合希望深入产业AI的人才
- 医疗领域对模型准确性和安全性要求极高，容错率低，开发周期可能较长
- 适合对NLP和大模型有深厚热情、追求技术前沿、能承受高强度工作、希望用AI解决医疗健康问题的工程师
缺点 / 挑战
- 技术难度高，需要持续跟进前沿论文和算法迭代，学习压力大
- 互联网大厂普遍工作强度大，可能面临较多加班和快速迭代的压力
角色解读
- 从算法工程师向技术专家或架构师发展，深入大模型底层优化和前沿研究
- 横向拓展至多模态、强化学习等AI方向，或纵向深入医疗垂直领域成为行业专家
- 在京东健康内部可晋升为技术Leader，带领团队推动医疗AI商业化落地
- 负责医疗大模型的后训练，包括持续预训练、指令微调和RLHF，提升模型在医学推理和指令遵循等核心能力
- 研发大模型智能体算法，涉及意图理解、规划决策、工具调用和多智能体协作，提升自主决策能力
- 将大模型应用于问诊、诊断等医疗场景，实现医生效率提升，并构建面向C端用户的健康管理AI产品
- 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PyTorch等深度学习框架，具备3年以上实际模型训练和项目经验
- 掌握RLHF、DPO、数据合成等后训练技术，以及智能体相关算法（如ReAct、Plan-and-Solve）
申请策略
- 面试前准备一个完整的项目案例，从问题定义、数据处理、模型选型到部署上线，展示全栈能力
- 关注京东价值观（客户为先、创新、拼搏），在回答中体现对医疗AI社会价值的认同
- 突出大模型训练和微调的项目经验，包括数据构建、模型调优、效果评估等细节
- 强调在顶级会议（ACL/EMNLP等）发表的论文或参与的竞赛获奖，体现研究能力
- 展示智能体（Agent）相关项目，如工具调用、多轮对话、任务规划等实际案例
- 补强RLHF和DPO的实践技能，可通过开源项目（如DeepSpeed Chat、Alpaca-LoRA）动手复现
- 了解京东健康业务背景，熟悉医疗领域知识（如病历分析、问诊流程）会增加竞争力
面试指南
- 对于项目介绍类问题，采用STAR法则（情境-任务-行动-结果），突出技术挑战和你的贡献
- 对于技术对比类问题，先阐明各自原理，再对比优劣，最后结合场景给出选择建议
- 对于场景设计类问题，先梳理需求，再分模块阐述技术方案，最后评估风险和优化方向
- 请详细介绍你参与过的一个大模型训练项目，包括数据配比、训练策略和最终效果
- RLHF中的奖励模型如何设计？DPO相比PPO有什么优缺点？
- 如何设计一个医疗问诊智能体？需要考虑哪些关键模块？
- 在处理长文本时，大模型的attention机制会面临哪些挑战？如何优化？
- 如果模型在医疗推理中给出错误建议，如何溯源和修正？
匹配度报告
71
综合匹配度
京东大模型算法岗，前沿技术、高成长、高价值，但工作地点偏远、WLB不明确。
适合人群
该职位最适合追求技术前沿和职业成长、不在意通勤和加班、且看重工作社会价值的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活30
使命价值85
薪资福利匹配
80较高
京东作为上市大厂，薪资福利具有竞争力，但JD未明确具体数字和福利，需在面试中确认。
薪资信号未披露（AI估算：35K-65K/月）
成长发展匹配
90较高
大模型和智能体是前沿技术，项目涉及从研究到应用全链条，成长空间大，但JD未明确晋升通道。
技术前沿前沿/新兴技术
技术栈大模型、NLP、RLHF、DPO、智能体、PyTorch
业务类型profit_center
工作生活匹配
30较低
京东总部在北京亦庄，地理位置偏远，且大厂加班文化普遍，JD未提及WLB信息。
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具有显著社会价值，京东健康是行业龙头，能直接通过技术帮助医生和患者。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号解决健康、医疗等产业问题
创新程度积极采用新技术
京东 的其他在招职位
相似职位推荐
Watch Jobs