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RAG，VLA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】
02
AI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】
