1. 大模型岗位全景解析：从入门到精准定位

最近两年，大模型技术彻底改变了AI行业的就业格局。我身边至少有20位从事传统NLP、CV的朋友在去年完成了向大模型方向的转型，薪资涨幅普遍在30%-50%之间。但与此同时，新入行的同学普遍面临一个困惑：大模型相关岗位名称五花八门，JD描述又高度相似，到底该如何选择适合自己的发展方向？

以2023年某头部大厂的招聘数据为例，大模型相关岗位数量同比增长了370%，但岗位细分维度却增加了5倍。这种爆发式增长带来的信息不对称，让很多求职者陷入了选择困难。本文将基于我近三年参与大模型团队组建和校招面试的经验，为你拆解这个新兴领域的岗位矩阵。

2. 五大核心岗位详解与技术栈对照

2.1 算法工程师：模型能力的塑造者

2.1.1 基座模型岗：大模型时代的"造车人"

基座模型研发是目前技术门槛最高的方向，主要分为三个技术流派：

1. 理论派：专注Transformer架构创新。我参与面试的候选人中，90%都需要在白板上推导Flash Attention的数学原理。典型工作包括：

   • 设计新型Attention机制（如2023年流行的MQA/GQA）
   • 探索MoE架构的动态路由算法
   • 研究模型 scaling law 的突破方法

2. 工程派：需要处理千卡集群的分布式训练问题。以我们团队最近训练的340B模型为例，关键技术挑战包括：

   • 3D并行策略优化（数据/模型/流水线并行）
   • 显存优化（ZeRO-3 + Activation Checkpointing）
   • 训练稳定性控制（梯度裁剪系数设为1.0还是2.0？）

3. 能力派：Agent方向今年特别火爆。一个常见的误区是认为Agent就是API调用，实际上核心工作在于：

   • 工具使用能力的原生微调（Toolformer范式）
   • 复杂任务分解的强化学习（比如让模型自主决定是否要调用计算器）
   • 环境交互的鲁棒性提升（处理API调用失败等边缘情况）

重要提示：基座模型岗通常要求顶会论文（NeurIPS/ICML/ICLR），但数据清洗经验可以弥补论文短板。我们团队去年录用的两名候选人就是凭借在The Stack数据集上的预处理工作获得offer。