深圳·南山区
月结
职位详情
工作年限： 1 - 5年 业务方向： 聚焦企业内部业务场景，参与大模型应用（Agent/RAG）落地及核心业务指标的预测建模，实效驱动。 岗位职责 大模型应用与RAG优化： 负责检索增强生成（RAG）链路的日常开发与迭代，包括数据清洗、多格式文档切片（Chunking）、向量化（Embedding）及基础的检索策略优化，解决实际业务中的知识库问答准确率问题。 模型微调与Prompt调优： 针对特定业务场景（如生成诊断报告、意图识别），配合完成大语言模型的指令微调（SFT）数据构建与模型训练，并持续优化系统级Prompt。 Agent 模块开发： 参与企业级 AI Agent 的核心功能开发，实现具体的工具调用（Function Calling）接口封装、多轮对话状态管理及数据流转。 数据建模与特征工程： 参与零售、消费品或智能制造（OEM）场景下的预测业务。利用传统机器学习（树模型/时序模型），针对海量历史数据进行深度特征清洗与提取，持续提升销量预测、进销存诊断等模型的基线效果。 复合业务流打通： 配合主R（核心负责人）打通预测大盘与大模型的链路，协助实现“从底层数据诊断预测，到上层生成业务总结报告”的完整数据流转化。 任职要求 经验底线： 1-3年算法研发经验，有完整参与过落地的算法项目（具备大模型应用实战或传统机器学习预测项目经验者优先）。 技术基础扎实： 熟悉Transformer等主流深度学习模型架构，熟练使用PyTorch框架。 掌握LLM的基础微调手段（如LoRA、P-Tuning）及常见的部署加速工具（如vLLM）。 熟悉常见的机器学习算法（如XGBoost、LightGBM、Random Forest）及基础的时间序列分析方法，具备较强的数据敏感度。 编码与工程化： 具备良好的Python编码习惯，熟悉常用的数据结构与算法，能够编写规范、可读性强的工程代码，而非仅仅停留在Notebook调参。 业务理解力： 踏实肯干，愿意深入理解诸如Sell-In（渠道进货）、Sell-Out（终端销售）、DOS（库存水位）等供应链及零售核心指标，能够将业务需求转化为具体的数据处理逻辑。 加分项 计算机、数学、统计学等相关专业硕士学历。 有Kaggle等数据挖掘/预测类竞赛（Tabular/Forecasting）的获奖经历。 参与过知名开源大模型工具链项目（如LangChain, LlamaIndex），或在GitHub上有高星个人项目。 招聘方的面试核心考点（针对P5级别的避坑与筛选） 对于初中级算法工程师，面试的核心在于**“基础是否牢靠”与“解决实际Bug的能力”**，避免招到只会调API但不懂底层逻辑的“黑盒操作员”。 底层逻辑与算法基础： 重点考察对常用模型的拆解能力。 提问示例：请在白板上推导一下Self-Attention的计算过程，它的计算复杂度是多少？ 提问示例：XGBoost的特征重要性（Feature Importance）在底层是怎么计算出来的？遇到类别极度不平衡的数据该怎么处理？ RAG链路的实操细节把控： 考察候选人是否真的趟过业务落地的坑。 提问示例：你在做RAG系统时，如果用户反馈大模型回答的“相关性不高”或“无中生有”，你通常会沿着怎样的工作流去排查？是优先调整Chunking大小、更换Embedding模型，还是改写用户的Query？ 特征工程与数据处理嗅觉： 评估其处理脏数据的能力。 提问示例：假设给你一份带有大量双11大促异常波动和部分缺失值的商品历史销量数据，要求你建立一个时序预测模型，你在输入模型前会做哪些具体的特征工程和异常值平滑处理？ 工程执行力与动手能力： 考察遇到资源瓶颈时的解决思路。 提问示例：在微调（SFT）7B级别或更大的开源大模型时，遇到过OOM（显存溢出）吗？当时你是通过哪些具体手段（如调整Batch Size、梯度累加、量化等）排查并解决的？
2026-06-21 13:00
IP属地：广东深圳
职位福利
硕士经验不限
深圳传音控股股份有限公司
10000人以上
工作地址
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
收藏职位
