当前位置:首页>猎头>“科技行业”猎头做单地图|岗位细分篇

“科技行业”猎头做单地图|岗位细分篇

  • 2026-10-15 01:16:55
“科技行业”猎头做单地图|岗位细分篇

各位,重磅来了。

我准备在星球做一个连载系列:《科技行业做单地图》

这个系列会围绕我比较熟悉的几个科技赛道展开:

互联网 / AI、自动驾驶、具身智能、AI芯片。

我会逐步拆解两个核心内容:

第一,技术岗位怎么细分。

比如大模型算法、智能驾驶算法、具身智能算法、AI芯片相关岗位,到底应该怎么分类、怎么理解、怎么打标签。

第二,哪些公司值得关注(有前途)。

我会从自己的视角,整理这些赛道里值得长期关注、适合BD、适合交付的公司。这个系列对三类人都有价值:

1、你是做技术岗位的猎头,这套岗位细分可以直接拿去用。它可以帮你

  • 建立整体认知

  • 可以直接让AI按照这套分类帮你分析候选人属于哪个子方向。

  • 和候选人沟通时不会说外行话

  • 用来给简历库打标签

我之前帮大家做了AI skill:我为猎头做了一个AI Skill:整理人才库/加好友/发邮件(送你)你把这个分类给AI,他就可以自动帮你打精准的岗位分类标签

2、你不是做技术岗位的:

那就关注哪些科技公司值得长期关注,可以去BD,做猎头源头的选择很重要

3、你正准备开拓科技行业的公司

那这绝对是你最落地的科普资料和行业地图

我希望这个系列最后能变成一张真正可用的“科技行业做单地图”,帮助大家看懂行业、看懂公司、看懂岗位,也更高效地BD和交付。

以下是部分正文:

-----------------------------------------------

互联网 / AI公司 大模型算法细分(一共11个大类)

预训练方向;

一、LLM基础模型 / Scaling团队

大模型算法 - LLM基础模型

  • 基座预训练(预训练、Tokenizer、数据配比、多语言预训练)

  • Scaling Law / 训练配方(模型规模、数据规模、算力规模、训练recipe)

  • 模型架构(Dense、MoE、Attention改进、Mamba)

  • 长上下文基础建模(长上下文预训练、位置编码扩展、长程依赖建模)

  • 小模型与模型压缩(蒸馏、剪枝、量化感知训练、小模型训练)

解决问题:解决语言大模型底座如何训练出来,以及在数据、算力、参数规模扩大后,如何持续提升基础能力、训练效率和部署性价比的问题。

打标签:大模型算法 - LLM基础模型 - 预训练

还有10个大类,来我的知识星球
除了可以把他拿去直接用,还可以看我之前的300篇干货(约250篇会员真实案例我的系统解答),所有内容目录:https://circle.feishu.cn/wiki/KhRZwtSDAiCqktkrJLUcsrKGnyf(内附加入星球二维码)
微信:85963906

最新文章

随机文章