岗位1头部量化公司-多模态Agent算法专家-北京/上海职位描述1、基于通用大模型结合垂类应用场景进行相关的数据建设、指令微调、偏好对齐、模型优化升数据合成、模型推理规划能力构建全面客观准确的评测体系探索提升垂类大模型能力2、探索突破包括而不限于多模态RAGVLA模型、GUI Agent等在内的多模态AI Agent推动相关的新技术落地3、探索研究多模态理解、生成式、机器学习、强化学习、AIGC、计算机视觉、人工智能等前沿技术。职位要求1、熟悉多模态大模型VLM、大语言模型LLM相关的算法技术有AI Agent应用经验、熟悉RAG全链路优化、Multi-Agent技术、Prompt/Context Engineering工程技术的优先。2、了解LLM架构熟悉RL算法GRPO、PPO、DPO、判别式及生成式RM、在相关领域有过良好的项目经验或研究经验熟悉大模型相关的数据构造方法、Post Training算法。岗位2头部量化公司-大模型算法研究员LLM-****研究院-北京/上海岗位职责1、研究并实现能够在不同规模模型上通用的优化方法包括但不限于训练范式、正则化、架构改进、优化器、loss设计、超参优化验证其在大中小模型上的迁移性与效果2、针对超大规模模型进行系统级性能优化包括分布式训练策略、访存优化、通信优化和推理加速提升训练与推理效率与可扩展性3、负责数据工程与微调流程的建设与迭代包括高质量训练数据构建、指令微调、偏好/安全对齐及评估体系设计提升模型在实际任务中的可靠性与一致性4、跟踪前沿研究评估新技术潜力推动模型能力边界的拓展并形成可复用的技术沉淀。岗位要求1、扎实的计算机科学基础熟练掌握数据结构与算法具有良好的工程实现能力精通 Python熟悉 C/C 或其他高性能语言者如Triton优先2、熟练使用主流深度学习框架熟悉分布式训练/调试及常用训练工具链3、有大模型训练、推理优化或强化学习实践经验能独立设计并实施实验以验证假设4、良好的沟通协作能力能和团队一起探索新技术同时具备较强的问题分析与工程落地能力。加分项1、在主流会议/期刊NeurIPS/ICML/ICLR/ACL/CVPR等发表过相关工作者优先2、有主导或参与高影响力项目、系统化工程落地或高质量论文/开源贡献者优先3、ACM/ICPC、NOI/IOI、Top Coder等比赛获奖者优先。岗位3头部量化公司-Code大模型算法/智能体研究员****研究院-北京/上海工作职责1、参与大模型中代码能力预训练、微调与强化学习的工程落地和算法研究、提升基础模型中代码能力2、具备工程落地的能力、提升大模型在代码智能体场景中的性能以及开发智能体的能力3、代码的数据筛选、合成与评测具备数据验证和交付能力。岗位要求1、硕士/博士优先NLP基础扎实对Coding Agent有较好的理解2、强工程能力算法落地能力重视工程实现和可靠性3、有ICLR、NeurIPS、ICML、ACL、EMNLP、NAACL、ASE、ICSE等人工智能、自然语言处理、软件工程等顶级会议或期刊发表4、具备良好的工程实现能力重视评测与可靠性结果导向具备自我驱动力5、有开源项目、基础模型训练经验的相关研究经验者优先。01什么是AI大模型应用开发工程师如果说AI大模型是蕴藏着巨大能量的“后台超级能力”那么AI大模型应用开发工程师就是将这种能量转化为实用工具的执行者。AI大模型应用开发工程师是基于AI大模型设计开发落地业务的应用工程师。这个职业的核心价值在于打破技术与用户之间的壁垒把普通人难以理解的算法逻辑、模型参数转化为人人都能轻松操作的产品形态。无论是日常写作时用到的AI文案生成器、修图软件里的智能美化功能还是办公场景中的自动记账工具、会议记录用的语音转文字APP这些看似简单的应用背后都是应用开发工程师在默默搭建技术与需求之间的桥梁。他们不追求创造全新的大模型而是专注于让已有的大模型“听懂”业务需求“学会”解决具体问题最终形成可落地、可使用的产品。CSDN粉丝独家福利给大家整理了一份AI大模型全套学习资料这份完整版的 AI 大模型学习资料已经上传CSDN朋友们如果需要可以扫描下方二维码点击下方CSDN官方认证链接免费领取【保证100%免费】02AI大模型应用开发工程师的核心职责需求分析与拆解是工作的起点也是确保开发不偏离方向的关键。应用开发工程师需要直接对接业务方深入理解其核心诉求——不仅要明确“要做什么”更要厘清“为什么要做”以及“做到什么程度算合格”。在此基础上他们会将模糊的业务需求拆解为具体的技术任务明确每个环节的执行标准并评估技术实现的可行性同时定义清晰的核心指标为后续开发、测试提供依据。这一步就像建筑前的图纸设计若出现偏差后续所有工作都可能白费。技术选型与适配是衔接需求与开发的核心环节。工程师需要根据业务场景的特点选择合适的基础大模型、开发框架和工具——不同的业务对模型的响应速度、精度、成本要求不同选型的合理性直接影响最终产品的表现。同时他们还要对行业相关数据进行预处理通过提示词工程优化模型输出或在必要时进行轻量化微调让基础模型更好地适配具体业务。此外设计合理的上下文管理规则确保模型理解连贯需求建立敏感信息过滤机制保障数据安全也是这一环节的重要内容。应用开发与对接则是将方案转化为产品的实操阶段。工程师会利用选定的开发框架构建应用的核心功能同时联动各类外部系统——比如将AI模型与企业现有的客户管理系统、数据存储系统打通确保数据流转顺畅。在这一过程中他们还需要配合设计团队打磨前端交互界面让技术功能以简洁易懂的方式呈现给用户实现从技术方案到产品形态的转化。测试与优化是保障产品质量的关键步骤。工程师会开展全面的功能测试找出并修复开发过程中出现的漏洞同时针对模型的响应速度、稳定性等性能指标进行优化。安全合规性也是测试的重点需要确保应用符合数据保护、隐私安全等相关规定。此外他们还会收集用户反馈通过调整模型参数、优化提示词等方式持续提升产品体验让应用更贴合用户实际使用需求。部署运维与迭代则贯穿产品的整个生命周期。工程师会通过云服务器或私有服务器将应用部署上线并实时监控运行状态及时处理突发故障确保应用稳定运行。随着业务需求的变化他们还需要对应用功能进行迭代更新同时编写完善的开发文档和使用手册为后续的维护和交接提供支持。03薪资情况与职业价值市场对这一职业的高度认可直接体现在薪资待遇上。据猎聘最新在招岗位数据显示AI大模型应用开发工程师的月薪最高可达60k。在AI技术加速落地的当下这种“技术业务”的复合型能力尤为稀缺让该职业成为当下极具吸引力的就业选择。AI大模型应用开发工程师是AI技术落地的关键桥梁。他们用专业能力将抽象的技术转化为具体的产品让大模型的价值真正渗透到各行各业。随着AI场景化应用的不断深化这一职业的重要性将更加凸显也必将吸引更多人才投身其中推动AI技术更好地服务于社会发展。CSDN粉丝独家福利给大家整理了一份AI大模型全套学习资料这份完整版的 AI 大模型学习资料已经上传CSDN朋友们如果需要可以扫描下方二维码点击下方CSDN官方认证链接免费领取【保证100%免费】