JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "大模型算法专家(P7-9)",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "",
"location": "香港",
"work_mode": "现场办公",AI生成
"job_category": "AI模型算法工程师"AI生成
},
"company": {
"company_name": "北京某大型互联网内容平台公司",
"company_industry": "互联网",
"company_size": "10000人以上",
"company_website": "",
"company_description": ""
},
"compensation": {
"salary_range": {
"min": 80000,
"max": 110000,
"currency": "CNY",
"cycle": "month"
},
"benefits": ""
},
"requirements": {
"working_years": 3,
"degree": "硕士",
"language": "中英双语",AI生成
"visa_support": "",
"responsibilities": "",
"requirements_text": "RL\nLLM\n1、负责大语言模型(LLM)及智能体(Agent)在垂类场景的端到端落地,覆盖AI销售、智能问答、购买决策助手、自动化内容创作等核⼼产品功能;\n2、构建基于 ⼯具调⽤(Tool Learning / Function Calling) 的智能体系统,实现多步骤任务规划、外部API调用与动态执行能⼒;\n3、探索并应用 思维链(Chain-of-Thought, CoT)、自我反思(Self-Refine)、任务分解与自主规划(Autonomous Planning) 等机制,提升模型在复杂购车咨询、对比分析、故障诊断等高阶推理任务中的表现;\n4、参与LLM强化学习优化链路建设,包括偏好数据构建、奖励模型(RM)训练、DPO/RLHF 策略迭代,持续提升生成内容的相关性、准确性与用户体验;\n5、针对海量文章、评测视频脚本、用户评论等多源异构数据,开展深度语义挖掘,支撑热点事件抽取、情感倾向分析、车型知识图谱构建等基础能力建设;\n6、设计并维护可复用的NLP与Agent基础组件,如领域适配的摘要生成、细粒度情感识别、结构化信息抽取、RAG增强检索等;\n7、与产品、工程、业务团队紧密协作,推动算法模型从实验到上线的全链路工程化落地,并建立科学的效果评估与迭代机制;\n8、跟踪AIGC、智能体、强化学习等前沿方向,结合业务特点开展技术预研与创新实验。\n认证资质\n人力资源服务许可证\n其它信息\n所属部门:大模型算法部门",
"skills": [AI生成
"大模型原理与能力边界",
"Agent系统构建",
"工具调用/MCP",
"模型训练与算法优化",
"RAG与检索增强",
"编程与代码实现",
"复杂问题分析与解决"
],
"preferred_qualifications": "",
"job_highlights": ""
},
"contact": {
"recruiter_name": "",
"contact_methods": [
{
"type": "apply_link",
"value": "https://www.zhipin.com/job_detail/43cc0783c2629d290nV-2dm-GFpV.html"
}
]
},
"posting": {
"posting_id": "43cc0783c2629d290nV-2dm-GFpV",
"post_date": "",
"hire_time": "",
"update_date": "",
"job_url": "https://www.zhipin.com/job_detail/43cc0783c2629d290nV-2dm-GFpV.html"
},
"fulltext": "RL\nLLM\n1、负责大语言模型(LLM)及智能体(Agent)在垂类场景的端到端落地,覆盖AI销售、智能问答、购买决策助手、自动化内容创作等核⼼产品功能;\n2、构建基于 ⼯具调⽤(Tool Learning / Function Calling) 的智能体系统,实现多步骤任务规划、外部API调用与动态执行能⼒;\n3、探索并应用 思维链(Chain-of-Thought, CoT)、自我反思(Self-Refine)、任务分解与自主规划(Autonomous Planning) 等机制,提升模型在复杂购车咨询、对比分析、故障诊断等高阶推理任务中的表现;\n4、参与LLM强化学习优化链路建设,包括偏好数据构建、奖励模型(RM)训练、DPO/RLHF 策略迭代,持续提升生成内容的相关性、准确性与用户体验;\n5、针对海量文章、评测视频脚本、用户评论等多源异构数据,开展深度语义挖掘,支撑热点事件抽取、情感倾向分析、车型知识图谱构建等基础能力建设;\n6、设计并维护可复用的NLP与Agent基础组件,如领域适配的摘要生成、细粒度情感识别、结构化信息抽取、RAG增强检索等;\n7、与产品、工程、业务团队紧密协作,推动算法模型从实验到上线的全链路工程化落地,并建立科学的效果评估与迭代机制;\n8、跟踪AIGC、智能体、强化学习等前沿方向,结合业务特点开展技术预研与创新实验。\n认证资质\n人力资源服务许可证\n其它信息\n所属部门:大模型算法部门"
}