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": "大语言模型算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "网易互娱2027届校园招聘",
"location": "广州",
"work_mode": "未披露",AI生成
"job_category": "人工智能"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"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、电子工程等相关专业硕士研究生及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "您可以：\n- 从事大模型（如Deepseek、Qwen等）在多轮对话、问答系统等应用场景中的算法优化与应用实践；\n- 参与模型的精调与微调工作，以提升特定业务场景下的模型表现；\n- 跟进和评估业界前沿开源对话大模型技术，协助团队开展技术调研与落地适配；\n- 协助构建对话系统的评测框架，参与数据清洗、标注及高质量中文数据集的构建与持续优化；\n- 与算法、产品和工程团队紧密协作，快速响应业务需求，推动算法实验与应用落地。",
"requirements_text": "我们希望您具备以下条件：\n- 2027届毕业生，计算机、人工智能、电子工程等相关专业硕士研究生及以上学历，具备自然语言处理、语言模型或机器学习相关课程背景；\n- 熟悉至少一种主流深度学习框架（如PyTorch或TensorFlow），有语言模型训练或优化经验者优先；\n- 对大语言模型（如GPT、Deepseek、Qwen等）的技术架构和应用场景有基本了解，有相关开源项目参与或实际调研经历者优先；\n- 具备扎实的编码能力和问题分析能力，良好的团队协作精神和沟通能力。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"自然语言处理",
"模型训练",
"团队协作",
"沟通能力",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "熟悉至少一种主流深度学习框架（如PyTorch或TensorFlow），有语言模型训练或优化经验者优先；对大语言模型（如GPT、Deepseek、Qwen等）的技术架构和应用场景有基本了解，有相关开源项目参与或实际调研经历者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.game.163.com/app/detail/index?id=4708&projectId=102"
}
]
},
"posting": {
"posting_id": "102_4708",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.game.163.com/app/detail/index?id=4708&projectId=102"
},
"fulltext": "大语言模型算法工程师\n职位描述\n您可以：\n- 从事大模型（如Deepseek、Qwen等）在多轮对话、问答系统等应用场景中的算法优化与应用实践；\n- 参与模型的精调与微调工作，以提升特定业务场景下的模型表现；\n- 跟进和评估业界前沿开源对话大模型技术，协助团队开展技术调研与落地适配；\n- 协助构建对话系统的评测框架，参与数据清洗、标注及高质量中文数据集的构建与持续优化；\n- 与算法、产品和工程团队紧密协作，快速响应业务需求，推动算法实验与应用落地。\n\n职位要求\n我们希望您具备以下条件：\n- 2027届毕业生，计算机、人工智能、电子工程等相关专业硕士研究生及以上学历，具备自然语言处理、语言模型或机器学习相关课程背景；\n- 熟悉至少一种主流深度学习框架（如PyTorch或TensorFlow），有语言模型训练或优化经验者优先；\n- 对大语言模型（如GPT、Deepseek、Qwen等）的技术架构和应用场景有基本了解，有相关开源项目参与或实际调研经历者优先；\n- 具备扎实的编码能力和问题分析能力，良好的团队协作精神和沟通能力。\n您可以：\n- 从事大模型（如Deepseek、Qwen等）在多轮对话、问答系统等应用场景中的算法优化与应用实践；\n- 参与模型的精调与微调工作，以提升特定业务场景下的模型表现；\n- 跟进和评估业界前沿开源对话大模型技术，协助团队开展技术调研与落地适配；\n- 协助构建对话系统的评测框架，参与数据清洗、标注及高质量中文数据集的构建与持续优化；\n- 与算法、产品和工程团队紧密协作，快速响应业务需求，推动算法实验与应用落地。\n我们希望您具备以下条件：\n- 2027届毕业生，计算机、人工智能、电子工程等相关专业硕士研究生及以上学历，具备自然语言处理、语言模型或机器学习相关课程背景；\n- 熟悉至少一种主流深度学习框架（如PyTorch或TensorFlow），有语言模型训练或优化经验者优先；\n- 对大语言模型（如GPT、Deepseek、Qwen等）的技术架构和应用场景有基本了解，有相关开源项目参与或实际调研经历者优先；\n- 具备扎实的编码能力和问题分析能力，良好的团队协作精神和沟通能力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}