【2027】LLM算法工程师（北京）

负责大语言模型的数据处理、微调评测，研究 RAG、Agent 等相关技术，面向政务信创场景完成大模型算法原型开发与产品落地迭代。

工作职责

1、⼤模型核⼼技术研发：

负责⼤语⾔模型（LLM）及多模态⼤模型（MLLM）的预训练、垂域 SFT、强化学习等算法研发与

迭代；

深⼊研究并解决训练过程中的效率瓶颈与收敛性问题，持续提升模型的逻辑、推理及⽣成能⼒；

探索⾼质量数据⾃动化合成技术（如 Self-Instruct、SynRL 等），设计并构建⾼效、可扩展的线上数据⻜轮（Data-Flywheel） 闭环系统；

2、模型性能优化与推理加速

研发模型加速技术，包括量化（INT4/INT8）、剪枝、知识蒸馏等；

优化模型推理性能：KV Cache管理、动态批处理、PagedAttention，熟练使⽤vLLM、SGLang等推理部署框架；

构建⾼效推理链路，提升吞吐量、降低延迟与成本；

3、Agent系统设计与实现

构建具备规划（Planning）、⻓期记忆（Memory）、⼯具调⽤（Function Calling）、反思（Self Reflection） 能⼒的Agent框架；

设计多Agent协作机制，⽀持任务分解、动态调度与结果聚合；

结合RAG、ReAct、LangChain/CrewAI等范式，提升Agent在知识问答、决策辅助等场景中的准确性与鲁棒性；

4. 业务落地与产品化

与产品、⼯程团队紧密协作，洞察业务场景需求，推动⼤模型技术从0到1的创新产品孵化与商业化落地；

将⼤模型能⼒打造成可上线、可迭代、可控成本的产品能⼒，实现端到端的闭环交付；

持续追踪业界前沿技术进展，快速将SOTA能⼒集成到模型底座上，保持团队的技术先进性

1、硕士、博士应届毕业生；

2、计算机、人工智能、数学、物理、电子工程、自动化控制等相关专业；

3、技能要求：

（1）精通Python，熟练掌握PyTorch等深度学习框架；

（2）对Transformer、MoE等主流模型架构有深刻认知；

（3）熟悉主流开源⼤模型（如Qwen、LLaMA、GLM等），有基座/垂域⼤模型微调和应⽤经验；

（4）熟练掌握⼤模型技术栈，包括但不限于：SFT、GRPO、多智能体编排、RAG等；

（5）具备扎实的编程基础和良好的软件⼯程素养。

（6）有AI顶会论文发表优先。

4、英语通过CET-6