大众汽车
SW Engineer_AI
SW Engineer_AI
发布于 6 个月前普通员工/个人贡献者
合肥市
高级经验
全职员工
仅现场办公
硕士
软件工程
模型优化
算法框架
LLM
NLP
PyTorch
VLM
多模态AI
AI 估算 · 35k–60k
该职位要求顶尖的AI算法研发能力，涉及前沿大模型与智能体技术，技能门槛高且市场稀缺性强，薪资竞争力强。
职位详情
关于这个职位
这是一个专注于大模型算法研发的高级软件工程师职位
你将负责开发、优化和部署前沿的大型语言模型、视觉-语言模型及智能体系统，以支持大众汽车旗下CARIAD公司的多模态AI产品
核心工作涉及从算法设计、模型训练到生产环境部署的全流程，旨在通过AI技术提升工程效率和产品创新能力
最低要求
教育背景：计算机科学、软件工程、数学或相关领域的博士/硕士学位
精通大型语言模型，如 GPT、LLaMA、ChatGLM、BERT 及相关架构
熟练掌握 Python、Java 或 C++ 等编程语言
拥有深度学习框架和库的使用经验，如 TensorFlow、PyTorch 或 Hugging Face Transformers
对自然语言处理的原理、技术和算法有扎实的理解
熟悉文本语料库、语言分析及与语言相关的数据集
具备 LLM、VLM（例如 CLIP、BLIP、Flamingo）和 VLA（例如 Gato、RT-2）架构及其应用的实践经验
熟悉 ReAct、Toolformer、AutoGPT、LangChain 等智能体相关技术，并具有设计智能体系统的经验
深入了解 Transformer 变种（例如 Vision Transformer、Swin Transformer）和 CNN 架构，具备模型压缩、剪枝、蒸馏或硬件适配的经验
较强的问题解决能力和分析思维能力
出色的沟通与协作能力
能够在快节奏、动态的环境中高效工作
英语：流利
工作职责
为各种自然语言处理应用开发并优化大模型算法，如文本生成、摘要撰写以及语言翻译等
开展研究探索大模型开发与优化领域的前沿技术和方法
设计并实现先进算法，以应对语言建模与处理中的复杂挑战
利用文本语料库和数据集对大模型进行训练与微调
在生产环境中实现算法，并针对实时语言处理优化其性能
研究、开发并优化大型语言模型（LLMs）、视觉-语言模型（VLMs）以及视觉-语言-动作模型（VLAs），以支持多模态内容生成与交互
设计并实现基于智能体的系统架构，以支持任务规划、工具调用、多轮对话及自主决策
应用大模型（LLM）和智能体（Agent）技术来提升工程效率，包括但不限于：通过生成式建模和交互式智能体支持 AI 驱动产品的快速原型开发
协助代码的生成、审查与优化，以提升开发效率和质量
利用智能体自动化测试用例的生成、验证及质量保证流程
构建工具和框架，以简化从设计到部署的整个研发生命周期
深入理解并优化 Transformer、CNN 等核心网络架构，以提升模型的效率、准确性和可扩展性
构建支持从数据预处理、模型训练到部署的全流程端到端算法框架
与产品及工程团队紧密合作，将算法能力转化为功能性 AI 模块，并进行持续的性能调优与迭代
优先资格
拥有多模态融合技术（包括图文生成、视频理解、跨模态检索）的经验者优先
具备大规模分布式训练、推理优化及模型服务（例如 Triton、TensorRT）的经验者更佳
AI 洞察
优缺点分析
优点
- 能接触到汽车行业最前沿的AI应用场景，如智能座舱、自动驾驶辅助等，项目落地价值高
- 在跨国科技巨头CARIAD的平台，可获得丰富的技术资源、数据支持和与全球团队协作的机会
- 专注于大模型与智能体等尖端技术，有利于构建深厚的技术壁垒和行业影响力
- 涉及多模态融合、实时推理优化等复杂技术，对算法工程能力和系统思维要求极高
- 适合拥有扎实AI算法背景、热衷于解决前沿技术难题，并希望在大平台将技术应用于真实产业场景的资深工程师
缺点 / 挑战
- 需要解决从零开始构建工具和框架的创新型问题，技术探索和试错压力较大
- AI领域技术迭代迅速，需要持续学习以保持技术领先性，竞争压力不容小觑
角色解读
- 技术路径上，可向AI算法专家、首席科学家方向发展，深耕大模型与多模态AI的前沿领域
- 业务路径上，可转向AI产品经理或技术负责人，负责规划AI产品战略并领导技术团队实现商业化落地
- 你将负责研发和优化大型语言模型、视觉-语言模型及智能体系统，应用于文本生成、多模态内容交互等场景
- 你需要构建端到端的算法框架，从数据预处理、模型训练到生产环境部署，并进行持续的性能调优
- 你将与跨职能团队合作，将前沿算法转化为实际的AI产品功能，并利用AI技术提升内部工程效率
- 需要精通GPT、LLaMA等大模型架构，并具备PyTorch/TensorFlow等深度学习框架的实战经验
- 必须掌握Transformer、CNN等核心网络原理，并拥有模型压缩、硬件适配等优化经验
- 需要熟悉智能体技术栈（如LangChain、ReAct）并具备设计智能体系统的能力，以支持任务规划和自主决策
申请策略
- 申请前可深入了解大众汽车及CARIAD在智能化、电动化方向的战略布局，思考AI技术如何与之结合
- 在沟通中展现出对解决“从零开始”构建创新工具的强烈兴趣和自信心
- 重点突出在大模型（LLM/VLM）训练、微调或应用方面的项目经验，特别是能体现算法创新或性能优化的案例
- 详细描述构建端到端算法框架或智能体系统的经历，展示从设计到部署的全流程把控能力
- 强调在模型优化（如剪枝、蒸馏、硬件适配）或提升工程效率（如自动化工具开发）方面的具体成果
- 可提前深入研究智能体（Agent）技术的最新论文和开源项目（如AutoGPT, LangChain），并尝试构建小型原型
- 加强对于多模态融合技术（如图文生成、视频理解）的理解，并了解其在汽车行业的潜在应用
面试指南
- 回答技术问题时，采用“情境-任务-行动-结果”（STAR）原则，清晰阐述问题背景、你的具体工作、采取的技术方案以及最终可量化的成果
- 对于系统设计或方案选择类问题，先明确核心需求和约束条件，再分层阐述技术选型理由、架构设计思路以及潜在的权衡考虑
- 请详细介绍一个你参与过的大模型（LLM或VLM）项目，你在其中承担的角色、遇到的技术挑战及解决方案
- 如何针对特定的硬件平台（如车载芯片）对一个大模型进行优化（例如剪枝、量化或蒸馏）？
- 请设计一个基于智能体（Agent）的系统，用于完成车辆故障诊断和维修建议的任务，简述其架构和关键组件
- 在将一个大模型算法部署到生产环境时，你会考虑哪些因素来保证其性能、稳定性和可扩展性？
- 你如何评估和选择一个新兴的大模型或AI技术框架用于实际项目？
- 深入复习Transformer架构、大模型训练/微调技术、模型压缩方法以及智能体系统的基础原理和最新进展
职位点评
Watch Jobs