京东
大模型算法开发
大模型算法开发
发布于 大约 2 个月前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
大模型
深度学习
ACL
DPO
NLP
PyTorch
RLHF
TensorFlow
AI 估算 · 30k–60k
大模型算法岗竞争激烈，京东大厂平台加成，硕士+3年经验可获高薪，16薪制常见。
职位详情
关于这个职位
京东健康正在招聘大模型算法开发工程师，负责医疗大模型的后训练（含持续预训练、指令微调、RLHF）和智能体核心算法研发，并将大模型应用到问诊、诊断等场景，提升医生效率和用户健康管理体验
该岗位要求NLP和大模型领域3年以上经验，硕士及以上学历，有顶会论文或竞赛获奖者优先
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
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：直接参与大模型后训练和智能体研发，积累当前AI领域最热门的技术经验
- 行业前景好：医疗健康是AI落地的蓝海，京东健康提供丰富的业务场景和海量数据
- 平台优势：京东大厂资源丰富，有完善的GPU集群和顶会发表支持
- 技术难度高：大模型训练和RLHF需要深厚的理论基础和大量实验调优，试错成本高
- 业务落地要求高：需要将前沿模型转化为实际医疗产品，满足准确性和合规性要求
- 适合对NLP和大模型有深厚热情、追求技术前沿、能承受高压研发节奏的算法工程师，尤其是已有顶会发表或竞赛经验者
缺点 / 挑战
- 竞争压力大：岗位要求顶会论文或竞赛获奖，候选人背景普遍优秀，面试门槛高
角色解读
- 从模型训练工程师逐步成长为技术专家，在大模型领域深耕，主导核心算法迭代
- 向技术管理方向发展，带领团队攻关医疗AI的复杂场景，成为技术负责人
- 横向扩展至AI产品架构师，结合业务需求设计端到端的智能解决方案
- 负责医疗大模型的后训练流程，包括持续预训练、指令微调和RLHF，优化模型在医学推理和长文本等任务的表现
- 研发大模型智能体核心算法，处理意图理解、规划决策、工具调用和多智能体协作，提升Agent的自主能力
- 将大模型落地到医疗业务场景，如在线问诊和诊断，实现医生效率提升，并构建面向C端的AI健康产品
- 深入掌握NLP和大模型技术，包括Transformer架构、预训练方法、指令微调、RLHF（如DPO）等
- 熟练使用至少一种编程语言（Python优先）和深度学习框架（PyTorch或TensorFlow），有扎实的工程能力
- 具备数据合成、奖励建模、Agent系统设计等经验，能够独立开展研发工作
- 良好的逻辑思维和问题分析能力，能快速定位并解决模型训练和推理中的问题
申请策略
- 关注京东健康的业务方向，面试中展示对医疗AI场景的了解和热情
- 准备一个完整的技术方案，展示从数据处理到模型部署的全流程思考
- 突出大模型相关项目经验，如指令微调、RLHF、Agent开发等，说明具体贡献和效果
- 列出顶会论文（第一作者）或NLP竞赛获奖经历，作为硬性优势
- 强调医疗或健康领域的项目背景，展示业务理解能力
- 量化成果：如模型指标提升（BLEU、ROUGE等）或业务效率提升百分比
- 补强RLHF全链路：从奖励模型设计到DPO实现，最好有实战代码仓库
- 深入Agent框架：学习LangChain、AutoGPT等，理解规划与工具调用机制
面试指南
- 使用STAR法则：描述情境、任务、行动、结果，突出个人贡献和技术细节
- 对比不同方法：指出优缺点，说明为何选择某种方案，体现技术深度
- 结合实际数据：提及具体数据量、训练轮次、硬件配置等，展示工程经验
- 请详细描述你参与过的大模型后训练项目，包括数据构建、训练策略和效果评估
- RLHF中的奖励模型如何设计？DPO相比PPO有什么优点？
- 设计一个医疗问诊Agent，如何规划意图识别、实体抽取和回复生成？
- 如何评估大模型在医学推理上的表现？遇到过哪些数据偏差问题？
- 在模型训练中，如何处理灾难性遗忘和过拟合？
职位点评
71
综合评分
前沿大模型技术，医疗AI高价值，薪资优但WLB一般。
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。
更适合这类人
适合追求技术成长、向往医疗AI社会价值、能接受高强度研发节奏的算法人才。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活40
使命价值80
薪资福利
70中等
大厂职位薪资竞争力强，但JD未明确数额和福利，适合对薪资有较高期待但能接受面议的求职者。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
前沿大模型技术栈，RLHF、Agent等核心能力，成长空间巨大，且JD强调解决问题和挑战，符合发展性动机。
技术前沿前沿/新兴技术
技术栈大模型、RLHF、DPO、Agent、NLP
业务类型ambiguous
工作生活
40较低
仅现场办公，北京亦庄园区通勤时间长，且未提及弹性工作或WLB，高强度研发节奏常见。
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
80较高
医疗健康行业正向社会影响力高，大模型赋能医生和患者，使命感和行业前景强。
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
京东 的其他在招职位
相似职位推荐
Watch Jobs