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": "2027AIDU-大模型算法工程师(J99938)",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京市,深圳市",
"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": "计算机、人工智能、数学等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责大模型（LLM）的核心算法研发，包括预训练、指令微调（SFT）、RLHF、对齐优化、推理增强等；\n2. 探索高效的模型调优策略、高质量数据建设方法，研究MoE稀疏化、Latent Attention等前沿模型结构；\n3. 支持大模型在搜索、推荐、对话、AIGC、语音、网盘文库、出海等多元业务场景的应用落地与效果优化；\n4. 负责量化、投机推理（MTP / Eagle / DFlash/DSpark）等训练–推理协同优化方案的设计与落地；\n4. 设计、实现并优化大规模分布式训练与推理框架，提升训练稳定性和推理效率；\n5. 参与大模型平台化建设，推动模型能力向创新产品转化。",
"requirements_text": "1. 计算机、人工智能、数学等相关专业硕士及以上学历；\n2. 具备机器学习/深度学习/自然语言处理等扎实的理论背景与实践经验；\n3. 精通Transformer、GPT、BERT等主流模型架构，熟练掌握Python及PyTorch/TensorFlow/PaddlePaddle等深度学习框架；\n4. 有大规模预训练、SFT、RLHF、模型调优等实战经验者优先；\n5. 熟悉分布式训练框架（如Megatron、DeepSpeed）及大数据处理工具（Hadoop、Spark）者优先；\n6. 在NeurIPS、ICML、ACL、CVPR等顶会发表论文或有开源项目贡献者优先；\n7. 具有较强的团队合作与问题解决能力，拥抱技术变化，敢于挑战核心难题。\n\n【加分项】\n1. 有量化感知训练（QAT）或 MTP 训练 实践经验;\n2. 熟悉 EAGLE / Medusa / MTP variants（如DeepSeek MTP、MiMo MTP） 等投机推理或高效推理方案。\n\n招聘部门：大模型算法部、健康事业部、PSIG策略部、应用模型技术部、预训练部、自动驾驶技术部、千帆策略部、数字人产研和视频Agent组、数字人直播和互动技术组",
"skills": [AI生成
"Python",
"Spark",
"Hadoop",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"自然语言处理",
"团队协作",
"招聘",
"大语言模型"
],
"preferred_qualifications": "4. 有大规模预训练、SFT、RLHF、模型调优等实战经验者优先；5. 熟悉分布式训练框架（如Megatron、DeepSpeed）及大数据处理工具（Hadoop、Spark）者优先；6. 在NeurIPS、ICML、ACL、CVPR等顶会发表论文或有开源项目贡献者优先；【加分项】",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/GRADUATE/ab5ec82f-a8be-4b4a-8e6f-5debc34ea804"
}
]
},
"posting": {
"posting_id": "ab5ec82f-a8be-4b4a-8e6f-5debc34ea804",
"post_date": "2026-05-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/ab5ec82f-a8be-4b4a-8e6f-5debc34ea804"
},
"fulltext": "2027AIDU-大模型算法工程师(J99938)\n2027AIDU-大模型算法工程师(J99938)\n\n基础信息\n地点：北京市,深圳市\n项目：AIDU项目\n类别：技术\n招聘人数：0\n发布时间：2026-08-03\n\n工作职责\n1. 负责大模型（LLM）的核心算法研发，包括预训练、指令微调（SFT）、RLHF、对齐优化、推理增强等；\n2. 探索高效的模型调优策略、高质量数据建设方法，研究MoE稀疏化、Latent Attention等前沿模型结构；\n3. 支持大模型在搜索、推荐、对话、AIGC、语音、网盘文库、出海等多元业务场景的应用落地与效果优化；\n4. 负责量化、投机推理（MTP / Eagle / DFlash/DSpark）等训练–推理协同优化方案的设计与落地；\n4. 设计、实现并优化大规模分布式训练与推理框架，提升训练稳定性和推理效率；\n5. 参与大模型平台化建设，推动模型能力向创新产品转化。\n\n职责要求\n1. 计算机、人工智能、数学等相关专业硕士及以上学历；\n2. 具备机器学习/深度学习/自然语言处理等扎实的理论背景与实践经验；\n3. 精通Transformer、GPT、BERT等主流模型架构，熟练掌握Python及PyTorch/TensorFlow/PaddlePaddle等深度学习框架；\n4. 有大规模预训练、SFT、RLHF、模型调优等实战经验者优先；\n5. 熟悉分布式训练框架（如Megatron、DeepSpeed）及大数据处理工具（Hadoop、Spark）者优先；\n6. 在NeurIPS、ICML、ACL、CVPR等顶会发表论文或有开源项目贡献者优先；\n7. 具有较强的团队合作与问题解决能力，拥抱技术变化，敢于挑战核心难题。\n\n【加分项】\n1. 有量化感知训练（QAT）或 MTP 训练 实践经验;\n2. 熟悉 EAGLE / Medusa / MTP variants（如DeepSeek MTP、MiMo MTP） 等投机推理或高效推理方案。\n\n招聘部门：大模型算法部、健康事业部、PSIG策略部、应用模型技术部、预训练部、自动驾驶技术部、千帆策略部、数字人产研和视频Agent组、数字人直播和互动技术组\n1. 负责大模型（LLM）的核心算法研发，包括预训练、指令微调（SFT）、RLHF、对齐优化、推理增强等；\n2. 探索高效的模型调优策略、高质量数据建设方法，研究MoE稀疏化、Latent Attention等前沿模型结构；\n3. 支持大模型在搜索、推荐、对话、AIGC、语音、网盘文库、出海等多元业务场景的应用落地与效果优化；\n4. 负责量化、投机推理（MTP / Eagle / DFlash/DSpark）等训练–推理协同优化方案的设计与落地；\n4. 设计、实现并优化大规模分布式训练与推理框架，提升训练稳定性和推理效率；\n5. 参与大模型平台化建设，推动模型能力向创新产品转化。\n1. 计算机、人工智能、数学等相关专业硕士及以上学历；\n2. 具备机器学习/深度学习/自然语言处理等扎实的理论背景与实践经验；\n3. 精通Transformer、GPT、BERT等主流模型架构，熟练掌握Python及PyTorch/TensorFlow/PaddlePaddle等深度学习框架；\n4. 有大规模预训练、SFT、RLHF、模型调优等实战经验者优先；\n5. 熟悉分布式训练框架（如Megatron、DeepSpeed）及大数据处理工具（Hadoop、Spark）者优先；\n6. 在NeurIPS、ICML、ACL、CVPR等顶会发表论文或有开源项目贡献者优先；\n7. 具有较强的团队合作与问题解决能力，拥抱技术变化，敢于挑战核心难题。\n\n【加分项】\n1. 有量化感知训练（QAT）或 MTP 训练 实践经验;\n2. 熟悉 EAGLE / Medusa / MTP variants（如DeepSeek MTP、MiMo MTP） 等投机推理或高效推理方案。\n\n招聘部门：大模型算法部、健康事业部、PSIG策略部、应用模型技术部、预训练部、自动驾驶技术部、千帆策略部、数字人产研和视频Agent组、数字人直播和互动技术组",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}