英伟达
Senior Capability Development Engineer
Senior Capability Development Engineer
发布于 5 个月前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
软件工程
LLM
LoRA
Openrlhf
RAG
Rlvr
Text2SQL
Trl
Verl
AI 估算 · 55k–85k
该职位要求顶尖的LLM和AI工程技能，涉及前沿技术开发，市场人才稀缺，且位于一线科技城市，薪资竞争力强。
职位详情
关于这个职位
该职位是英伟达的高级能力开发工程师，专注于开发高影响力、高可见性的大型语言模型（LLM）工具架构，并增强公司内部的RAG和智能体平台，以提升运营工程的生产力
你将负责开发、训练、微调和部署多模态大语言模型，并构建基于LLM的应用程序，如RAG、TEXT2SQL和智能体，解决现实世界中的对话式AI问题
最低要求
计算机科学、电气工程、人工智能、应用数学或同等实践经验的硕士或博士学位，并拥有8年以上相关工作经验
具备扎实的Python编程技能，拥有良好的软件设计、优化和编写清晰、可维护代码的基础
熟悉AI编码助手（例如Cursor, Copilot），并能够利用氛围编程快速开发轻量级工具以加速核心任务
深入理解机器学习/深度学习算法和框架，并具备LLM、扩散模型以及RAG、Text2SQL、智能体、嵌入和重排序器等对话式AI技术的实践经验
具备使用TRL、VERL或OpenRLHF等框架训练LLM的实践经验，以及强大的协作能力，能够在动态的矩阵环境中影响和指导团队
工作职责
为各种基于AI的应用开发、训练、微调和部署（多模态）大语言模型
开发基于LLM的应用程序，例如RAG、TEXT2SQL、智能体
应用指令调优、带可验证奖励的强化学习（RLVR）以及参数高效微调（如LoRA）来改进用于各种基于AI应用的LLM
测量和基准测试模型及应用性能
分析模型准确性和偏差，并建议下一步行动和改进方案
推动领域特定数据集的收集、构建和标注，以训练用于不同任务和应用的LLM
跨平台表征各种AI和系统组件的性能和质量指标
参与开发和审查代码、设计文档、用例评审和测试计划评审
在协作的团队环境中帮助创新、识别问题、推荐解决方案并执行故障排查，并与各团队合作开发新工具功能并改进现有工具
优先资格
擅长系统思维
在数据集清洗方面有丰富经验，并对数据挖掘有扎实理解
有RLVR/持续预训练/SFT的先前经验
在TEXT2SQL方面有丰富经验
在软件架构设计方面有丰富经验
AI 洞察
优缺点分析
优点
- 平台优势：在英伟达这样的AI计算巨头工作，能接触最前沿的技术、海量数据和顶尖团队，职业背书极强
- 技能积累：深度参与LLM工具链和平台开发，能系统掌握从模型训练到应用落地的全栈AI工程能力，技术护城河高
- 行业前景：专注于大语言模型和对话式AI，这是当前及未来科技发展的核心方向，职业发展空间广阔
- 工作强度可能较大：作为核心开发角色，需参与从架构设计到问题排查的全流程，在项目攻坚期可能面临高强度工作
- 竞争激烈：该领域汇聚全球顶尖人才，对内对外都需保持高水平的技术输出和创新能力
- 适合拥有扎实AI/ML背景，对LLM和对话式AI有浓厚兴趣和丰富实践经验，并希望在顶尖技术平台进行深度技术攻坚的资深工程师或研究者
缺点 / 挑战
- 技术难度高：需要持续跟进并掌握快速迭代的LLM技术栈，解决复杂的工程和算法问题，学习压力大
角色解读
- 技术路径上，可以成为LLM/AI架构专家，或向AI科学家方向发展，主导更前沿的模型研究与创新
- 管理路径上，凭借影响和指导团队的能力，可发展为技术负责人或项目经理，负责更大的AI产品线
- 你将负责开发、训练和部署多模态大语言模型，并构建基于LLM的应用程序，如RAG和智能体，以解决实际的对话式AI问题
- 工作包括应用指令调优、强化学习等技术来优化模型性能，并分析模型的准确性和偏差，提出改进方案
- 你需要参与从数据集构建、模型训练到代码审查和工具创新的全流程，并与跨职能团队协作推动项目进展
- 必须具备扎实的Python编程能力和软件工程基础，能够编写高质量、可维护的代码
- 需要深入理解机器学习/深度学习，特别是LLM、扩散模型以及RAG、Text2SQL等对话式AI技术栈
- 要求有使用TRL、VERL等框架训练LLM的实践经验，并熟悉LoRA、RLVR等高级微调技术
申请策略
- 在申请和面试中，不仅要展示技术深度，还要体现你解决“真实世界问题”的热情和“影响团队”的协作能力
- 深入了解英伟达“AI计算公司”的定位及其Ops工程团队的业务目标，将你的经验与公司需求紧密结合
- 重点突出与LLM开发、训练、微调相关的项目经验，特别是使用TRL、VERL等框架的具体案例和量化成果
- 详细描述你在RAG、Text2SQL、智能体等应用构建中的角色、技术栈和解决的问题，展示端到端的能力
- 强调你的Python工程能力、软件设计经验，以及使用AI编码助手提升效率的实践
- 如果有数据集构建、模型性能分析与优化、跨团队协作推动项目的经验，务必清晰呈现
- 如果对RLVR、持续预训练等高级技术不熟，可针对性学习相关论文和开源项目，尝试在小规模项目上实践
- 加强系统思维和软件架构设计能力，思考如何将AI模型高效、稳定地集成到生产级工具和平台中
面试指南
- 对于技术问题，采用“情境-任务-行动-结果”（STAR）框架来组织答案，确保逻辑清晰、结果可量化
- 在回答中不仅要说明“做了什么”，更要解释“为什么这么做”（技术选型、权衡考量），展现你的思考深度
- 对于协作类问题，结合具体事例，说明你如何沟通、协调资源、化解分歧并最终达成目标
- 请详细介绍一个你从头到尾参与过的LLM项目，你在其中负责什么？遇到了哪些挑战？如何解决的？
- 在微调LLM时，你如何选择和使用LoRA、RLVR等技术？请结合具体案例说明你的决策过程和效果评估
- 你如何设计和优化一个RAG系统来提升其准确性和效率？
- 请描述一次你通过分析模型偏差或性能问题，并推动实施改进方案的经历
- 在一个动态的矩阵团队中，你如何有效地影响和协作，以推动技术方案落地？
职位点评
Watch Jobs