主分类：大模型与生成式算法研发
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": "北京-大模型算法工程师(J100728)",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"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": "-本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-从事大语言模型（LLM）的预训练、后训练（SFT/RLHF）及应用落地算法研究\n-探索大模型在推理、代码生成、多轮对话、知识问答等核心能力的提升方法\n-结合强化学习、检索增强（RAG）、思维链（CoT）等前沿技术，推动模型能力边界突破\n-设计数据策略与评估体系，驱动模型质量持续迭代\n-紧跟LLM前沿进展，将学术成果快速转化为工程实践",
"requirements_text": "-本科及以上学历，计算机、人工智能、数学、统计学等相关专业优先\n-扎实的机器学习与深度学习理论基础，熟悉Transformer架构及主流LLM\n-熟练掌握Python，有PyTorch/PaddlePaddle等深度学习框架使用经验\n-有大模型训练、NLP或相关方向研究/项目经历者优先\n-在顶级学术会议（ACL、NeurIPS、ICML等）发表过论文者优先",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "本科及以上学历，计算机、人工智能、数学、统计学等相关专业优先；有大模型训练、NLP或相关方向研究/项目经历者优先；在顶级学术会议（ACL、NeurIPS、ICML等）发表过论文者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/GRADUATE/ccfdea4e-4ae4-4954-9062-fd94960a2861"
}
]
},
"posting": {
"posting_id": "ccfdea4e-4ae4-4954-9062-fd94960a2861",
"post_date": "2026-07-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/ccfdea4e-4ae4-4954-9062-fd94960a2861"
},
"fulltext": "北京-大模型算法工程师(J100728)\n北京-大模型算法工程师(J100728)\n\n基础信息\n地点：北京市\n项目：校招\n类别：技术\n招聘人数：76\n发布时间：2026-07-21\n\n工作职责\n-从事大语言模型（LLM）的预训练、后训练（SFT/RLHF）及应用落地算法研究\n-探索大模型在推理、代码生成、多轮对话、知识问答等核心能力的提升方法\n-结合强化学习、检索增强（RAG）、思维链（CoT）等前沿技术，推动模型能力边界突破\n-设计数据策略与评估体系，驱动模型质量持续迭代\n-紧跟LLM前沿进展，将学术成果快速转化为工程实践\n\n职责要求\n-本科及以上学历，计算机、人工智能、数学、统计学等相关专业优先\n-扎实的机器学习与深度学习理论基础，熟悉Transformer架构及主流LLM\n-熟练掌握Python，有PyTorch/PaddlePaddle等深度学习框架使用经验\n-有大模型训练、NLP或相关方向研究/项目经历者优先\n-在顶级学术会议（ACL、NeurIPS、ICML等）发表过论文者优先\n-从事大语言模型（LLM）的预训练、后训练（SFT/RLHF）及应用落地算法研究\n-探索大模型在推理、代码生成、多轮对话、知识问答等核心能力的提升方法\n-结合强化学习、检索增强（RAG）、思维链（CoT）等前沿技术，推动模型能力边界突破\n-设计数据策略与评估体系，驱动模型质量持续迭代\n-紧跟LLM前沿进展，将学术成果快速转化为工程实践\n-本科及以上学历，计算机、人工智能、数学、统计学等相关专业优先\n-扎实的机器学习与深度学习理论基础，熟悉Transformer架构及主流LLM\n-熟练掌握Python，有PyTorch/PaddlePaddle等深度学习框架使用经验\n-有大模型训练、NLP或相关方向研究/项目经历者优先\n-在顶级学术会议（ACL、NeurIPS、ICML等）发表过论文者优先",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}