主分类：大模型与生成式算法研发
辅助：AI训练推理与计算优化（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "大模型算法专家",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "探索研究院",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "研发类"AI生成
},
"company": {
"company_name": "京东集团",
"company_industry": "电商 / 供应链 / 物流 / 科技服务",
"company_size": "10000人以上",
"company_website": "jd.com",
"company_description": "京东是一家以供应链为基础的技术与服务企业，覆盖零售、物流、科技、健康等业务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "大模型算法专家\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-04-15\n\n岗位职责\n1. 基座大模型预训练，包括但不限于不同规模、不同结构的语言模型和多模态模型的数据准备和优化、模型预训练、训练加速与框架优化等；\n2. 大模型对齐技术（SFT、RLHF等）链路整体优化，包括数据探索与增强、对齐流程探索、奖励模型优化、强化学习策略迭代等，持续提升对齐效果；\n3. 大模型训练和推理优化，包括但不限于高效训练技术和框架设计与实现、模型小型化技术（稀疏化、压缩、剪枝、蒸馏等）探索与落地、高效推理技术实现等；\n4. 大模型相关技术前沿探索，包括但不限于Scaling Law、模型架构探索（MoE、MAMBA等）、训练范式探索、长序列技术探索、高效训推框架探索等；\n5. 支撑内部应用需求，对接搜索、推荐、广告等实际业务场景，实现大模型应用落地。\n\n任职要求\n1. 对大模型开发流程有深入认知，熟悉预训练、指令微调、RLHF等流程与框架，具备模型预训练、对齐、训练和推理加速、模型小型化和部署等方面的经验；\n2. 熟悉Transformer等模型架构，对GPT系列、LLAMA系列和MoE等模型架构有深入理解并拥有大规模训练经验；\n3. 具备扎实的算法和数学理论基础及良好的编程基础，熟悉自然语言处理、生成式AI和机器学习等技术，熟悉Python、Java等至少一种编程语言，熟悉PyTorch、Tensorflow等深度学习框架，对技术开发及应用有热情；\n4. 目标感强，善于分析和发现问题，拆解简化，有想法并乐于挑战自我，能够从日常工作中发现新的空间；\n5. 条理性强且有推动力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"requirements_text": "大模型算法专家\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-04-15\n\n岗位职责\n1. 基座大模型预训练，包括但不限于不同规模、不同结构的语言模型和多模态模型的数据准备和优化、模型预训练、训练加速与框架优化等；\n2. 大模型对齐技术（SFT、RLHF等）链路整体优化，包括数据探索与增强、对齐流程探索、奖励模型优化、强化学习策略迭代等，持续提升对齐效果；\n3. 大模型训练和推理优化，包括但不限于高效训练技术和框架设计与实现、模型小型化技术（稀疏化、压缩、剪枝、蒸馏等）探索与落地、高效推理技术实现等；\n4. 大模型相关技术前沿探索，包括但不限于Scaling Law、模型架构探索（MoE、MAMBA等）、训练范式探索、长序列技术探索、高效训推框架探索等；\n5. 支撑内部应用需求，对接搜索、推荐、广告等实际业务场景，实现大模型应用落地。\n\n任职要求\n1. 对大模型开发流程有深入认知，熟悉预训练、指令微调、RLHF等流程与框架，具备模型预训练、对齐、训练和推理加速、模型小型化和部署等方面的经验；\n2. 熟悉Transformer等模型架构，对GPT系列、LLAMA系列和MoE等模型架构有深入理解并拥有大规模训练经验；\n3. 具备扎实的算法和数学理论基础及良好的编程基础，熟悉自然语言处理、生成式AI和机器学习等技术，熟悉Python、Java等至少一种编程语言，熟悉PyTorch、Tensorflow等深度学习框架，对技术开发及应用有热情；\n4. 目标感强，善于分析和发现问题，拆解简化，有想法并乐于挑战自我，能够从日常工作中发现新的空间；\n5. 条理性强且有推动力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"skills": [AI生成
"Python",
"Java",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"强化学习",
"自然语言处理",
"模型训练",
"招聘",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.jd.com/web/job-info-detail?requementId=212577"
}
]
},
"posting": {
"posting_id": "212577",
"post_date": "2026-04-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.jd.com/web/job-info-detail?requementId=212577"
},
"fulltext": "大模型算法专家\n大模型算法专家\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-04-15\n\n岗位职责\n1. 基座大模型预训练，包括但不限于不同规模、不同结构的语言模型和多模态模型的数据准备和优化、模型预训练、训练加速与框架优化等；\n2. 大模型对齐技术（SFT、RLHF等）链路整体优化，包括数据探索与增强、对齐流程探索、奖励模型优化、强化学习策略迭代等，持续提升对齐效果；\n3. 大模型训练和推理优化，包括但不限于高效训练技术和框架设计与实现、模型小型化技术（稀疏化、压缩、剪枝、蒸馏等）探索与落地、高效推理技术实现等；\n4. 大模型相关技术前沿探索，包括但不限于Scaling Law、模型架构探索（MoE、MAMBA等）、训练范式探索、长序列技术探索、高效训推框架探索等；\n5. 支撑内部应用需求，对接搜索、推荐、广告等实际业务场景，实现大模型应用落地。\n\n任职要求\n1. 对大模型开发流程有深入认知，熟悉预训练、指令微调、RLHF等流程与框架，具备模型预训练、对齐、训练和推理加速、模型小型化和部署等方面的经验；\n2. 熟悉Transformer等模型架构，对GPT系列、LLAMA系列和MoE等模型架构有深入理解并拥有大规模训练经验；\n3. 具备扎实的算法和数学理论基础及良好的编程基础，熟悉自然语言处理、生成式AI和机器学习等技术，熟悉Python、Java等至少一种编程语言，熟悉PyTorch、Tensorflow等深度学习框架，对技术开发及应用有热情；\n4. 目标感强，善于分析和发现问题，拆解简化，有想法并乐于挑战自我，能够从日常工作中发现新的空间；\n5. 条理性强且有推动力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n大模型算法专家\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-04-15\n\n岗位职责\n1. 基座大模型预训练，包括但不限于不同规模、不同结构的语言模型和多模态模型的数据准备和优化、模型预训练、训练加速与框架优化等；\n2. 大模型对齐技术（SFT、RLHF等）链路整体优化，包括数据探索与增强、对齐流程探索、奖励模型优化、强化学习策略迭代等，持续提升对齐效果；\n3. 大模型训练和推理优化，包括但不限于高效训练技术和框架设计与实现、模型小型化技术（稀疏化、压缩、剪枝、蒸馏等）探索与落地、高效推理技术实现等；\n4. 大模型相关技术前沿探索，包括但不限于Scaling Law、模型架构探索（MoE、MAMBA等）、训练范式探索、长序列技术探索、高效训推框架探索等；\n5. 支撑内部应用需求，对接搜索、推荐、广告等实际业务场景，实现大模型应用落地。\n\n任职要求\n1. 对大模型开发流程有深入认知，熟悉预训练、指令微调、RLHF等流程与框架，具备模型预训练、对齐、训练和推理加速、模型小型化和部署等方面的经验；\n2. 熟悉Transformer等模型架构，对GPT系列、LLAMA系列和MoE等模型架构有深入理解并拥有大规模训练经验；\n3. 具备扎实的算法和数学理论基础及良好的编程基础，熟悉自然语言处理、生成式AI和机器学习等技术，熟悉Python、Java等至少一种编程语言，熟悉PyTorch、Tensorflow等深度学习框架，对技术开发及应用有热情；\n4. 目标感强，善于分析和发现问题，拆解简化，有想法并乐于挑战自我，能够从日常工作中发现新的空间；\n5. 条理性强且有推动力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n大模型算法专家\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-04-15\n\n岗位职责\n1. 基座大模型预训练，包括但不限于不同规模、不同结构的语言模型和多模态模型的数据准备和优化、模型预训练、训练加速与框架优化等；\n2. 大模型对齐技术（SFT、RLHF等）链路整体优化，包括数据探索与增强、对齐流程探索、奖励模型优化、强化学习策略迭代等，持续提升对齐效果；\n3. 大模型训练和推理优化，包括但不限于高效训练技术和框架设计与实现、模型小型化技术（稀疏化、压缩、剪枝、蒸馏等）探索与落地、高效推理技术实现等；\n4. 大模型相关技术前沿探索，包括但不限于Scaling Law、模型架构探索（MoE、MAMBA等）、训练范式探索、长序列技术探索、高效训推框架探索等；\n5. 支撑内部应用需求，对接搜索、推荐、广告等实际业务场景，实现大模型应用落地。\n\n任职要求\n1. 对大模型开发流程有深入认知，熟悉预训练、指令微调、RLHF等流程与框架，具备模型预训练、对齐、训练和推理加速、模型小型化和部署等方面的经验；\n2. 熟悉Transformer等模型架构，对GPT系列、LLAMA系列和MoE等模型架构有深入理解并拥有大规模训练经验；\n3. 具备扎实的算法和数学理论基础及良好的编程基础，熟悉自然语言处理、生成式AI和机器学习等技术，熟悉Python、Java等至少一种编程语言，熟悉PyTorch、Tensorflow等深度学习框架，对技术开发及应用有热情；\n4. 目标感强，善于分析和发现问题，拆解简化，有想法并乐于挑战自我，能够从日常工作中发现新的空间；\n5. 条理性强且有推动力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}