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、AI模型评测工程（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": "算法工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "京东科技",
"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": "专业背景：计算机、人工智能、自然语言处理等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "算法工程师\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：京东科技\n发布时间：2026-09-04\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.垂类后训练：负责金融领域大模型的 SFT / DPO 后训练，面向电销对话质检、多轮对话意图识别、合规检测、回复风格化生成等下游任务，完成指令数据构造与清洗、训练方案设计与多版本消融对比实验，持续提升模型在业务任务上的表现；\n2.评测体系建设：建设金融领域评测 benchmark，覆盖金融常识（FinanceIQ、CFLUE 等公开评测集）、领域知识与下游业务任务（意图识别、合规检测、质检判别）多个维度，输出模型能力画像，支撑模型选型与上线决策；\n3.业务指标导向迭代：定位 badcase、分析错误分布、设计针对性训练策略，持续提升意图准确率、合规检测准确率、质检召回率 / 精准率等关键业务指标；\n4.推理效率优化：与推理部署团队协作，通过小尺寸模型替换、知识蒸馏、推测解码（Speculative Decoding）、量化等手段，在效果不降的前提下提升吞吐、降低推理成本，支撑日均数十万到百万级对话量的规模化处理；\n5.资产沉淀：沉淀训练与评测的标准化流程，把单场景建模经验转化为可复用的团队资产。\n\n任职要求\n1.专业背景：计算机、人工智能、自然语言处理等相关专业本科及以上学历。\n2.行业深耕：理解 NLP / 大模型算法经验，深入理解大模型预训练、指令微调（SFT）、偏好对齐（DPO/RLHF）的原理与常用做法，有面向业务场景做效果优化的完整经验。\n3.技术储备：熟练使用 Python 与 PyTorch 等主流深度学习框架，能独立完成数据处理、训练脚本编写、多版本消融实验与结果分析；熟悉常见评测指标与评测方法（准确率、F1、宏平均、混淆矩阵等）。\n4.工程落地：熟悉大规模训练与推理框架（Megatron、DeepSpeed、vLLM 等），具备分布式训练实战经验。\n5.软素质：具备优秀的问题抽象能力，能从业务现象中定义模型问题；有跨团队协作与推动落地的能力。\n加分项\n1.有金融 / 合规领域模型训练经验（意图识别、合规检测、质检判别、内容生成润色等）；\n2.熟悉垂类模型落地全链路：指令数据构造、知识蒸馏、推测解码、量化、小模型替换大模型的推理优化实践；\n3.熟悉主流开源模型（Deepseek、Qwen 系列等）的训练与调优，有大规模训练或 RAG / Agent 应用落地经验；\n4.在 ACL、EMNLP、NeurIPS 等顶会发表过相关论文，或在知名算法赛事中取得过优异成绩；\n5.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"requirements_text": "算法工程师\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：京东科技\n发布时间：2026-09-04\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.垂类后训练：负责金融领域大模型的 SFT / DPO 后训练，面向电销对话质检、多轮对话意图识别、合规检测、回复风格化生成等下游任务，完成指令数据构造与清洗、训练方案设计与多版本消融对比实验，持续提升模型在业务任务上的表现；\n2.评测体系建设：建设金融领域评测 benchmark，覆盖金融常识（FinanceIQ、CFLUE 等公开评测集）、领域知识与下游业务任务（意图识别、合规检测、质检判别）多个维度，输出模型能力画像，支撑模型选型与上线决策；\n3.业务指标导向迭代：定位 badcase、分析错误分布、设计针对性训练策略，持续提升意图准确率、合规检测准确率、质检召回率 / 精准率等关键业务指标；\n4.推理效率优化：与推理部署团队协作，通过小尺寸模型替换、知识蒸馏、推测解码（Speculative Decoding）、量化等手段，在效果不降的前提下提升吞吐、降低推理成本，支撑日均数十万到百万级对话量的规模化处理；\n5.资产沉淀：沉淀训练与评测的标准化流程，把单场景建模经验转化为可复用的团队资产。\n\n任职要求\n1.专业背景：计算机、人工智能、自然语言处理等相关专业本科及以上学历。\n2.行业深耕：理解 NLP / 大模型算法经验，深入理解大模型预训练、指令微调（SFT）、偏好对齐（DPO/RLHF）的原理与常用做法，有面向业务场景做效果优化的完整经验。\n3.技术储备：熟练使用 Python 与 PyTorch 等主流深度学习框架，能独立完成数据处理、训练脚本编写、多版本消融实验与结果分析；熟悉常见评测指标与评测方法（准确率、F1、宏平均、混淆矩阵等）。\n4.工程落地：熟悉大规模训练与推理框架（Megatron、DeepSpeed、vLLM 等），具备分布式训练实战经验。\n5.软素质：具备优秀的问题抽象能力，能从业务现象中定义模型问题；有跨团队协作与推动落地的能力。\n加分项\n1.有金融 / 合规领域模型训练经验（意图识别、合规检测、质检判别、内容生成润色等）；\n2.熟悉垂类模型落地全链路：指令数据构造、知识蒸馏、推测解码、量化、小模型替换大模型的推理优化实践；\n3.熟悉主流开源模型（Deepseek、Qwen 系列等）的训练与调优，有大规模训练或 RAG / Agent 应用落地经验；\n4.在 ACL、EMNLP、NeurIPS 等顶会发表过相关论文，或在知名算法赛事中取得过优异成绩；\n5.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",
"PyTorch",
"深度学习",
"自然语言处理",
"模型训练",
"团队协作",
"建模",
"招聘",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "加分项",
"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=223759"
}
]
},
"posting": {
"posting_id": "223759",
"post_date": "2026-09-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.jd.com/web/job-info-detail?requementId=223759"
},
"fulltext": "算法工程师\n算法工程师\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：京东科技\n发布时间：2026-09-04\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.垂类后训练：负责金融领域大模型的 SFT / DPO 后训练，面向电销对话质检、多轮对话意图识别、合规检测、回复风格化生成等下游任务，完成指令数据构造与清洗、训练方案设计与多版本消融对比实验，持续提升模型在业务任务上的表现；\n2.评测体系建设：建设金融领域评测 benchmark，覆盖金融常识（FinanceIQ、CFLUE 等公开评测集）、领域知识与下游业务任务（意图识别、合规检测、质检判别）多个维度，输出模型能力画像，支撑模型选型与上线决策；\n3.业务指标导向迭代：定位 badcase、分析错误分布、设计针对性训练策略，持续提升意图准确率、合规检测准确率、质检召回率 / 精准率等关键业务指标；\n4.推理效率优化：与推理部署团队协作，通过小尺寸模型替换、知识蒸馏、推测解码（Speculative Decoding）、量化等手段，在效果不降的前提下提升吞吐、降低推理成本，支撑日均数十万到百万级对话量的规模化处理；\n5.资产沉淀：沉淀训练与评测的标准化流程，把单场景建模经验转化为可复用的团队资产。\n\n任职要求\n1.专业背景：计算机、人工智能、自然语言处理等相关专业本科及以上学历。\n2.行业深耕：理解 NLP / 大模型算法经验，深入理解大模型预训练、指令微调（SFT）、偏好对齐（DPO/RLHF）的原理与常用做法，有面向业务场景做效果优化的完整经验。\n3.技术储备：熟练使用 Python 与 PyTorch 等主流深度学习框架，能独立完成数据处理、训练脚本编写、多版本消融实验与结果分析；熟悉常见评测指标与评测方法（准确率、F1、宏平均、混淆矩阵等）。\n4.工程落地：熟悉大规模训练与推理框架（Megatron、DeepSpeed、vLLM 等），具备分布式训练实战经验。\n5.软素质：具备优秀的问题抽象能力，能从业务现象中定义模型问题；有跨团队协作与推动落地的能力。\n加分项\n1.有金融 / 合规领域模型训练经验（意图识别、合规检测、质检判别、内容生成润色等）；\n2.熟悉垂类模型落地全链路：指令数据构造、知识蒸馏、推测解码、量化、小模型替换大模型的推理优化实践；\n3.熟悉主流开源模型（Deepseek、Qwen 系列等）的训练与调优，有大规模训练或 RAG / Agent 应用落地经验；\n4.在 ACL、EMNLP、NeurIPS 等顶会发表过相关论文，或在知名算法赛事中取得过优异成绩；\n5.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n算法工程师\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：京东科技\n发布时间：2026-09-04\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.垂类后训练：负责金融领域大模型的 SFT / DPO 后训练，面向电销对话质检、多轮对话意图识别、合规检测、回复风格化生成等下游任务，完成指令数据构造与清洗、训练方案设计与多版本消融对比实验，持续提升模型在业务任务上的表现；\n2.评测体系建设：建设金融领域评测 benchmark，覆盖金融常识（FinanceIQ、CFLUE 等公开评测集）、领域知识与下游业务任务（意图识别、合规检测、质检判别）多个维度，输出模型能力画像，支撑模型选型与上线决策；\n3.业务指标导向迭代：定位 badcase、分析错误分布、设计针对性训练策略，持续提升意图准确率、合规检测准确率、质检召回率 / 精准率等关键业务指标；\n4.推理效率优化：与推理部署团队协作，通过小尺寸模型替换、知识蒸馏、推测解码（Speculative Decoding）、量化等手段，在效果不降的前提下提升吞吐、降低推理成本，支撑日均数十万到百万级对话量的规模化处理；\n5.资产沉淀：沉淀训练与评测的标准化流程，把单场景建模经验转化为可复用的团队资产。\n\n任职要求\n1.专业背景：计算机、人工智能、自然语言处理等相关专业本科及以上学历。\n2.行业深耕：理解 NLP / 大模型算法经验，深入理解大模型预训练、指令微调（SFT）、偏好对齐（DPO/RLHF）的原理与常用做法，有面向业务场景做效果优化的完整经验。\n3.技术储备：熟练使用 Python 与 PyTorch 等主流深度学习框架，能独立完成数据处理、训练脚本编写、多版本消融实验与结果分析；熟悉常见评测指标与评测方法（准确率、F1、宏平均、混淆矩阵等）。\n4.工程落地：熟悉大规模训练与推理框架（Megatron、DeepSpeed、vLLM 等），具备分布式训练实战经验。\n5.软素质：具备优秀的问题抽象能力，能从业务现象中定义模型问题；有跨团队协作与推动落地的能力。\n加分项\n1.有金融 / 合规领域模型训练经验（意图识别、合规检测、质检判别、内容生成润色等）；\n2.熟悉垂类模型落地全链路：指令数据构造、知识蒸馏、推测解码、量化、小模型替换大模型的推理优化实践；\n3.熟悉主流开源模型（Deepseek、Qwen 系列等）的训练与调优，有大规模训练或 RAG / Agent 应用落地经验；\n4.在 ACL、EMNLP、NeurIPS 等顶会发表过相关论文，或在知名算法赛事中取得过优异成绩；\n5.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n算法工程师\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：京东科技\n发布时间：2026-09-04\n\n岗位职责\n我们是金融科技事业群，作为京东科技旗下核心事业群之一，主要业务聚焦于金融领域与科技技术的融合创新。在过去10余年间，我们基于服务京东内外生态的经验与积淀，从京东供应链走向产业供应链，携手金融机构等合作伙伴，陆续推出了多款供应链金融、消费金融、支付科技、信用卡数字化运营、财富管理、数据科技等产品，为大中小型企业及广大个人用户提供丰富便捷的金融科技服务。我们形成了覆盖京东内场+生态、科技+金融、上游+下游、B端+C端的全产业链综合服务能力。欢迎加入我们，一起推进产业与金融的优化融合与价值创造。\n1.垂类后训练：负责金融领域大模型的 SFT / DPO 后训练，面向电销对话质检、多轮对话意图识别、合规检测、回复风格化生成等下游任务，完成指令数据构造与清洗、训练方案设计与多版本消融对比实验，持续提升模型在业务任务上的表现；\n2.评测体系建设：建设金融领域评测 benchmark，覆盖金融常识（FinanceIQ、CFLUE 等公开评测集）、领域知识与下游业务任务（意图识别、合规检测、质检判别）多个维度，输出模型能力画像，支撑模型选型与上线决策；\n3.业务指标导向迭代：定位 badcase、分析错误分布、设计针对性训练策略，持续提升意图准确率、合规检测准确率、质检召回率 / 精准率等关键业务指标；\n4.推理效率优化：与推理部署团队协作，通过小尺寸模型替换、知识蒸馏、推测解码（Speculative Decoding）、量化等手段，在效果不降的前提下提升吞吐、降低推理成本，支撑日均数十万到百万级对话量的规模化处理；\n5.资产沉淀：沉淀训练与评测的标准化流程，把单场景建模经验转化为可复用的团队资产。\n\n任职要求\n1.专业背景：计算机、人工智能、自然语言处理等相关专业本科及以上学历。\n2.行业深耕：理解 NLP / 大模型算法经验，深入理解大模型预训练、指令微调（SFT）、偏好对齐（DPO/RLHF）的原理与常用做法，有面向业务场景做效果优化的完整经验。\n3.技术储备：熟练使用 Python 与 PyTorch 等主流深度学习框架，能独立完成数据处理、训练脚本编写、多版本消融实验与结果分析；熟悉常见评测指标与评测方法（准确率、F1、宏平均、混淆矩阵等）。\n4.工程落地：熟悉大规模训练与推理框架（Megatron、DeepSpeed、vLLM 等），具备分布式训练实战经验。\n5.软素质：具备优秀的问题抽象能力，能从业务现象中定义模型问题；有跨团队协作与推动落地的能力。\n加分项\n1.有金融 / 合规领域模型训练经验（意图识别、合规检测、质检判别、内容生成润色等）；\n2.熟悉垂类模型落地全链路：指令数据构造、知识蒸馏、推测解码、量化、小模型替换大模型的推理优化实践；\n3.熟悉主流开源模型（Deepseek、Qwen 系列等）的训练与调优，有大规模训练或 RAG / Agent 应用落地经验；\n4.在 ACL、EMNLP、NeurIPS 等顶会发表过相关论文，或在知名算法赛事中取得过优异成绩；\n5.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",
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}