主分类：大模型与生成式算法研发
辅助：计算机视觉与图像感知算法研发（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": "多模态算法工程师(J15136)",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "小度科技",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"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": "-负责多模态大模型（VLM/LLM）在实际业务场景中的落地与优化，包括图像理解、视觉问答、跨模态检索、内容生成等方向\n-基于现有模型进行 Prompt 优化、Agent/Tool 编排、推理链路设计与效果迭代，围绕业务指标持续提升效果\n-结合传统 CV 能力（检测、分割、OCR 等），构建“CV + 大模型”的混合系统方案，提升稳定性与可控性\n-参与数据构建、评测体系设计与效果分析，推动模型在真实场景中的持续优化\n-参与模型领域适配、指令微调（SFT）、RL 或 post-train 等能力建设",
"requirements_text": "-有多模态大模型或 LLM 实践经验，具备真实项目落地经验优先\n-熟悉 PyTorch，有较强工程能力，多卡训练或推理优化经验优先\n-熟悉至少一个传统 CV 方向，能与大模型结合设计系统方案\n-理解多模态对齐、SFT、RL 等基本原理，有实践经验加分\n-具备良好的问题拆解能力与业务意识，责任心强，沟通协作能力好",
"skills": [AI生成
"PyTorch",
"大语言模型"
],
"preferred_qualifications": "有多模态大模型或 LLM 实践经验，具备真实项目落地经验优先；熟悉 PyTorch，有较强工程能力，多卡训练或推理优化经验优先；理解多模态对齐、SFT、RL 等基本原理，有实践经验加分",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/a77c208b-f6f0-4245-b44e-6f90f4b5e7a2"
}
]
},
"posting": {
"posting_id": "a77c208b-f6f0-4245-b44e-6f90f4b5e7a2",
"post_date": "2026-03-18",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/a77c208b-f6f0-4245-b44e-6f90f4b5e7a2"
},
"fulltext": "多模态算法工程师(J15136)\n多模态算法工程师(J15136)\n\n基础信息\n部门：小度科技\n地点：北京市\n类别：技术\n招聘人数：0\n发布时间：2026-07-21\n\n工作职责\n-负责多模态大模型（VLM/LLM）在实际业务场景中的落地与优化，包括图像理解、视觉问答、跨模态检索、内容生成等方向\n-基于现有模型进行 Prompt 优化、Agent/Tool 编排、推理链路设计与效果迭代，围绕业务指标持续提升效果\n-结合传统 CV 能力（检测、分割、OCR 等），构建“CV + 大模型”的混合系统方案，提升稳定性与可控性\n-参与数据构建、评测体系设计与效果分析，推动模型在真实场景中的持续优化\n-参与模型领域适配、指令微调（SFT）、RL 或 post-train 等能力建设\n\n职责要求\n-有多模态大模型或 LLM 实践经验，具备真实项目落地经验优先\n-熟悉 PyTorch，有较强工程能力，多卡训练或推理优化经验优先\n-熟悉至少一个传统 CV 方向，能与大模型结合设计系统方案\n-理解多模态对齐、SFT、RL 等基本原理，有实践经验加分\n-具备良好的问题拆解能力与业务意识，责任心强，沟通协作能力好\n-负责多模态大模型（VLM/LLM）在实际业务场景中的落地与优化，包括图像理解、视觉问答、跨模态检索、内容生成等方向\n-基于现有模型进行 Prompt 优化、Agent/Tool 编排、推理链路设计与效果迭代，围绕业务指标持续提升效果\n-结合传统 CV 能力（检测、分割、OCR 等），构建“CV + 大模型”的混合系统方案，提升稳定性与可控性\n-参与数据构建、评测体系设计与效果分析，推动模型在真实场景中的持续优化\n-参与模型领域适配、指令微调（SFT）、RL 或 post-train 等能力建设\n-有多模态大模型或 LLM 实践经验，具备真实项目落地经验优先\n-熟悉 PyTorch，有较强工程能力，多卡训练或推理优化经验优先\n-熟悉至少一个传统 CV 方向，能与大模型结合设计系统方案\n-理解多模态对齐、SFT、RL 等基本原理，有实践经验加分\n-具备良好的问题拆解能力与业务意识，责任心强，沟通协作能力好",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T034"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}