مهندس مدل‌های زبانی بزرگ
LLM Engineer
مهندس مدل‌های زبانی بزرگ (LLM Engineer) با خودِ مدل زبانی سروکار دارد، نه فقط با API آن: مدل مناسب را انتخاب و ارزیابی می‌کند، در صورت نیاز آن را fine-tune یا فشرده می‌کند، آن را با سرعت و هزینهٔ قابل قبول مستقر می‌کند و روی آن RAG و ایجنت می‌سازد. عنوان دقیق «LLM Engineer» در آگهی‌ها کم دیده می‌شود؛ کارفرماهای بزرگ همین کار را بیشتر با عنوان‌هایی مثل Machine Learning Engineer (LLM)، AI Engineer، Research Engineer (Post-Training) یا Inference Engineer آگهی می‌کنند.
مقدمه و تعریف شغل
مهندس مدل‌های زبانی بزرگ (LLM Engineer) کسی است که مدل‌های زبانی از پیش آموزش‌دیده را برای یک کاربرد واقعی آماده و قابل اتکا می‌کند. در آگهی‌هایی که «LLM» در عنوانشان دارند، کار از صدا زدن API فراتر می‌رود: آگهی JUST ADD AI تجربه با «RAG، پرامپت، میزبانی و fine-tuning مدل‌های زبانی» و درک عمیق معماری Transformer را می‌خواهد، آگهی Censys «توسعه و fine-tune کردن LLM ها و pipeline های RAG» را و آگهی Workday طراحی چارچوب ارزیابی LLM را. یعنی این نقش همان اپلیکیشن‌هایی را می‌سازد که AI Engineer می‌سازد، اما دست بیشتری در خودِ مدل دارد: انتخاب، تطبیق، ارزیابی، فشرده‌سازی و اجرای آن.
بازار برای این کار عنوان ثابتی ندارد. هنگام بررسی ما در اکتبر ۲۰۲۶، در تابلوی استخدام ۱۰۲ شرکت فناوری و AI (روی Greenhouse، Ashby و Lever، با ۱۶٬۹۱۵ آگهی باز) هیچ آگهی‌ای عنوان دقیق «LLM Engineer» نداشت؛ «LLM» در عنوان ۲۱ آگهی از ۷ شرکت آمده بود و بیش از نیمی از آن‌ها شکل Machine Learning Engineer با پسوند LLM داشتند، مثل «Machine Learning Engineer, LLM Inference Optimization» در Nebius یا «Principal Machine Learning Engineer- LLM Fine-tuning and Optimization» در Airbnb. عنوان دقیق را در آگهی‌های Workday (تیم Paradox) و JUST ADD AI در آلمان دیدیم. آزمایشگاه‌های AI همین کار را با عنوان‌هایی مثل Research Engineer, Post-Training یا AI Inference Engineer آگهی می‌کنند. ITJobsWatch هم برای بریتانیا صفحه‌ای برای عنوان شغلی LLM Engineer ندارد و LLM را فقط به‌عنوان مهارت می‌شمارد. Maxime Labonne در دورهٔ رایگان LLM Course این حوزه را دو بخش کرده است: «LLM Scientist» که روی ساختن بهترین مدل ممکن تمرکز دارد و «LLM Engineer» که روی ساخت و استقرار اپلیکیشن‌های مبتنی بر LLM. آگهی‌های واقعی معمولاً ترکیبی از هر دو را می‌خواهند.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک مهندس مدل‌های زبانی بزرگ
مدل fine-tune شده برای یک حوزهٔ مشخص
به نوشتهٔ آگهی Harvey، post-training راهی است که این شرکت با آن بازخورد متخصصان و trace های ایجنت را به مدل‌هایی تبدیل می‌کند که در کار حقوقی به‌طور معناداری بهترند. در Airbnb هم مهندس LLM مدل‌ها را برای پشتیبانی مشتری fine-tune می‌کند.
RAG روی داده‌های بزرگ و تخصصی
در آگهی Censys، مهندس LLM ها و pipeline های RAG را طوری توسعه و fine-tune می‌کند که روی داده‌هایی در مقیاس کل اینترنت استدلال کنند، یافته‌ها را خلاصه کنند و برای تحلیلگران امنیتی بینش وابسته به زمینه بسازند.
ایجنت‌های مبتنی بر LLM
تیم Paradox در Workday با LLM ایجنت‌های استخدام برای مشتریان جهانی می‌سازد و به گفتهٔ آگهی، تجربهٔ استخدام میلیون‌ها داوطلب را تحت تأثیر قرار می‌دهد.
مدل‌های فشرده و کم‌هزینه
Multiverse Computing با ابزاری به نام CompactifAI مدل‌های زبانی را فشرده می‌کند تا کارآمدتر و قابل‌حمل‌تر شوند؛ مهندس LLM در آنجا روش‌های تازهٔ فشرده‌سازی طراحی و ارزیابی می‌کند.
سرویس inference سریع و ارزان
Perplexity می‌نویسد موتور inference پشت هر جستجوی این سرویس را خودش می‌سازد و اجرا می‌کند. در Nebius هم مهندس تأخیر، throughput، مصرف حافظه و هزینهٔ هر توکن را برای مدل‌های مشتریان بهبود می‌دهد.
چارچوب ارزیابی مدل
Databricks در آگهی Staff Machine Learning Engineer (ML/LLM) پلتفرم و چارچوب ارزیابی‌ای می‌خواهد که مشتریان را به سمت ارزش واقعی کسب‌وکار مثل خرید و ماندگاری ببرد، نه معیارهای ظاهری مثل باز شدن ایمیل و کلیک.
تخصص‌های مختلف مهندس مدل‌های زبانی بزرگ
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
fine-tuning و post-training
Fine-tuning & Post-Training
تطبیق مدل متن‌باز با یک حوزه یا کار: SFT، LoRA، preference optimization و ساخت دادهٔ آموزشی. آگهی‌های Airbnb (LLM Fine-tuning and Optimization) و Harvey (Research Engineer, Post-Training) نمونهٔ این تخصص‌اند.
بهینه‌سازی inference
Inference Optimization
سرو کردن مدل با تأخیر و هزینهٔ کمتر: KV cache، batching، speculative decoding و موتورهایی مثل vLLM و SGLang. عنوان آگهی‌ها در Nebius «LLM Inference Optimization» و در Perplexity «AI Inference Engineer» است.
فشرده‌سازی مدل
Model Compression
کوچک‌تر و سریع‌تر کردن مدل با quantization، distillation و روش‌های دیگر، با کمترین افت کیفیت. محصول اصلی Multiverse Computing همین است و آگهی Nebius هم ساخت workflow های فشرده‌سازی را می‌خواهد.
ارزیابی LLM
LLM Evaluation
طراحی بنچمارک اختصاصی، تست رگرسیون و ارزیاب‌های خودکار. آگهی Workday طراحی چارچوب ارزیابی LLM را و آگهی Harvey طراحی سیستم‌های grading و reward را جزو وظایف آورده است.
اپلیکیشن‌های LLM
LLM Applications (RAG & Agents)
ساخت RAG، ایجنت و workflow روی مدل‌ها، با دانش کافی از خود مدل برای تصمیم دربارهٔ fine-tune یا استفاده از مدل آماده. آگهی‌های JUST ADD AI، Censys و Okta بیشتر در این دسته‌اند.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
مهندس هوش مصنوعی روی مدل‌های آماده محصول می‌سازد: ایجنت، اتصال به داده و ابزارهای شرکت، ارزیابی و نگهداری در پروداکشن. آگهی‌هایی که «LLM» در عنوانشان دارند همین کار را می‌خواهند و یک لایه هم پایین‌تر می‌روند: میزبانی و fine-tuning مدل و درک عمیق Transformer (JUST ADD AI)، fine-tune کردن LLM در کنار RAG (Censys)، و چهار سال تجربه در Data Science/ML به جای فقط مهندسی نرم‌افزار (Workday). مرز باز است و دو عنوان گاهی جابه‌جا به کار می‌روند؛ لینکدین در Jobs on the Rise ۲۰۲۶ رایج‌ترین مهارت‌های AI Engineer را LangChain، RAG و PyTorch می‌شمارد.
در شرکت‌های بزرگ، مهندسی LLM اغلب تخصصی درون همین نقش است و عنوانش «Machine Learning Engineer» با پسوند LLM است؛ مثل Airbnb، Nebius، Databricks و Waymo. فرق اصلی در نقطهٔ شروع است: مهندس ML معمولاً مدل را روی دادهٔ خود شرکت از ابتدا آموزش می‌دهد (مثل مدل ریسک یا توصیه)، اما مهندس LLM از یک مدل زبانی از پیش آموزش‌دیده شروع می‌کند و آن را تطبیق می‌دهد، می‌سنجد، فشرده می‌کند و سرو می‌کند. پایه‌ها مشترک‌اند: Python، PyTorch و ارزیابی دقیق.
مهندس پژوهشی آزمایش‌های آموزش مدل را طراحی و اجرا می‌کند و تمرکزش بهتر کردن خودِ مدل است. آگهی Harvey تجربه با SFT، preference optimization، RLHF/RLAIF، reward modeling یا distillation را می‌خواهد و انتشار مقاله یا کار متن‌باز را امتیاز می‌داند. این همان بخشی است که Maxime Labonne آن را «LLM Scientist» می‌نامد. نقش‌های پژوهشی ارشد معمولاً مدرک بالاتر می‌خواهند؛ Airbnb برای سطح Principal دکترا را شرط حداقلی گذاشته است.
مهندس پرامپت روی نوشتن و آزمودن پرامپت تمرکز دارد و به نوشتهٔ ویکی‌پدیا، عنوان مستقل Prompt Engineer کمتر رایج شده است. برای مهندس LLM پرامپت فقط یکی از ابزارهاست: آگهی Censys دانش prompt engineering را در کنار پنج سال تجربهٔ مهندسی نرم‌افزار، ارزیابی با Ragas و LangSmith، CI/CD و fine-tuning می‌خواهد.
تأثیر در صنایع مختلف
مهندس مدل‌های زبانی بزرگ در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
امنیت سایبری
Censys داده‌های اسکن اینترنت و اطلاعات تهدید را با LLM و RAG به بینش عملی برای تحلیلگران مرکز عملیات امنیت و شکارچیان تهدید تبدیل می‌کند
منابع انسانی و استخدام
تیم Paradox در Workday ایجنت‌های استخدام مبتنی بر LLM برای مشتریان جهانی می‌سازد
حقوقی
Harvey با post-training مدل‌هایی می‌سازد که در کار حقوقی بهتر عمل کنند و برای آن سیستم‌های ارزیابی سخت‌گیرانه طراحی می‌کند
سفر و پشتیبانی مشتری
تیم CS AI در Airbnb مدل‌های زبانی را برای پشتیبانی مشتری fine-tune می‌کند و روی دستیار AI، ایجنت خودکار و برنامه‌ریزی سفر کار می‌کند
زیرساخت ابری AI
Nebius مدل‌های زبانی و بینایی-زبانی (VLM) مشتریان را برای تأخیر کمتر و هزینهٔ کمتر به ازای هر توکن بهینه می‌کند
جستجو
Perplexity موتور inference پشت هر جستجو را خودش می‌سازد و ده‌ها معماری مدل را با محدودیت سخت تأخیر و هزینه اجرا می‌کند
داده و بازاریابی
Databricks در محصول CustomerLake رویکردهای ML و LLM را برای شخصی‌سازی، توصیه و پیش‌بینی ریزش مشتری برندهای B2C و B2B ارزیابی و بهبود می‌دهد
مدیریت هویت و امنیت نرم‌افزار
تیم GenAI در Okta (Auth0) برای خدمات امنیتی و پشتیبانی محصول، workflow های RAG و ارزیابی خودکار کیفیت، درستی و ایمنی خروجی مدل می‌سازد
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
مهندس LLM فقط API یک مدل تجاری را صدا می‌زند
آگهی‌هایی که «LLM» در عنوان دارند تقریباً همیشه بیشتر می‌خواهند: میزبانی و fine-tuning مدل (JUST ADD AI)، fine-tune کردن LLM و ارزیابی با Ragas و LangSmith (Censys)، فشرده‌سازی و بنچمارک (Multiverse) یا بهینه‌سازی inference (Nebius). کار با API بخشی از کار است، نه همهٔ آن.
برای fine-tune کردن مدل بزرگ حتماً خوشهٔ GPU گران لازم است
روش‌های کم‌هزینه این را عوض کرده‌اند. مقالهٔ LoRA (۲۰۲۱) نشان داد تعداد پارامترهای قابل آموزش را می‌شود ۱۰٬۰۰۰ برابر و حافظهٔ GPU لازم را ۳ برابر کم کرد و مقالهٔ QLoRA (۲۰۲۳) مدلی ۶۵ میلیارد پارامتری را روی یک GPU با ۴۸ گیگابایت حافظه fine-tune کرد. برای یادگیری حتی کمتر لازم است: به نوشتهٔ مخزن کتاب Sebastian Raschka، کد اصلی فصل‌های آن، که pretraining و fine-tuning یک مدل کوچک را هم در بر دارد، روی لپ‌تاپ معمولی اجرا می‌شود.
بدون دکترا نمی‌شود مهندس LLM شد
بستگی به نقش دارد. آگهی Principal در Airbnb دکترا را شرط حداقلی گذاشته، اما آگهی LLM Engineer در Workday کارشناسی را فقط در «شرایط دیگر» آورده و ارشد را امتیاز دانسته، و آگهی Censys شرط مدرکی ندارد و بر تجربهٔ مهندسی و ساخت ویژگی‌های AI تکیه می‌کند. نقش‌های پژوهشی و سطح‌های بالا مدرک بیشتری می‌خواهند؛ نقش‌های کاربردی بیشتر سابقهٔ کار عملی.
فقط باید دنبال آگهی‌هایی با عنوان LLM Engineer گشت
این عنوان کم است. در بررسی ما روی ۱۰۲ تابلوی استخدام شرکت‌های فناوری و AI هیچ آگهی‌ای عنوان دقیق LLM Engineer نداشت و کار مشابه زیر عنوان‌هایی مثل Machine Learning Engineer (LLM)، AI Engineer، Research Engineer (Post-Training) و AI Inference Engineer آگهی شده بود. جستجو را با همهٔ این عنوان‌ها انجام دهید.
مدلی که در بنچمارک عمومی امتیاز بالاتری دارد، در محصول هم بهتر است
آگهی Databricks صریحاً می‌خواهد ارزیابی به ارزش واقعی کسب‌وکار وصل باشد، نه به «معیارهای ظاهری»، و آگهی Harvey از نامزد می‌خواهد بسنجد آیا یک معیار واقعاً همان چیزی را اندازه می‌گیرد که مهم است. Hamel Husain هم می‌نویسد محصولات ناموفق AI تقریباً همیشه یک ریشهٔ مشترک دارند: نبود سیستم ارزیابی قوی.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (۰–۲ سال)
کارها مشخص‌ترند و زیر نظر یک مهندس ارشد انجام می‌شوند. بخش زیادی از وقت صرف آماده کردن داده، اجرای آزمایش‌ها و ارزیابی‌ها و خواندن کد موجود می‌شود.
- ◆تمیز کردن و قالب‌بندی یک مجموعه‌داده برای fine-tuning
- ◆اجرای مجموعهٔ ارزیابی روی نسخهٔ تازهٔ مدل و گزارش تفاوت‌ها
- ◆افزودن چند نمونهٔ تازه به تست رگرسیون یک pipeline RAG
- ◆بررسی trace چند پاسخ اشتباه برای اینکه معلوم شود مشکل از بازیابی بوده یا از مدل
میانی (۲–۵ سال)
مسئولیت یک مدل یا pipeline را از آزمایش تا پروداکشن دارید و تصمیم می‌گیرید کجا fine-tune لازم است و کجا مدل آماده با پرامپت و RAG کافی است.
- ◆طراحی آزمایش fine-tuning با LoRA و مقایسهٔ آن با مدل پایه روی مجموعهٔ تست
- ◆مقایسهٔ دو موتور inference یا دو سطح quantization از نظر تأخیر، هزینه و کیفیت
- ◆جلسه با مدیر محصول برای تبدیل یک مسئلهٔ مبهم مشتری به نمونهٔ اولیه
- ◆بررسی یک افت کیفیت پس از انتشار نسخهٔ تازه و نوشتن گزارش آن
ارشد (۵+ سال)
تمرکز روی تصمیم‌های معماری، انتخاب مدل، استاندارد ارزیابی و راهنمایی دیگران است. تصمیم‌هایتان روی هزینه و کیفیت چند محصول اثر دارد.
- ◆تصمیم دربارهٔ اینکه یک کاربرد با مدل تجاری، مدل متن‌باز fine-tune شده یا ترکیب آن‌ها ساخته شود
- ◆تعریف معیارهای ارزیابی‌ای که با ارزش واقعی کسب‌وکار هم‌خوان باشند
- ◆بازبینی طراحی سیستم‌های RAG و ایجنت تیم از نظر امنیت و guardrail
- ◆راهنمایی مهندسان جوان‌تر و بازبینی کد و آزمایش‌هایشان
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈انتخاب و ارزیابی مدل‌های پایه برای هر کاربرد و سنجیدن مدل‌های تازه پیش از به‌کارگیری
- ◈fine-tune کردن مدل‌های متن‌باز برای یک حوزه یا کار مشخص
- ◈طراحی چارچوب ارزیابی: مجموعهٔ تست اختصاصی، تست رگرسیون و معیارهایی که با ارزش واقعی کسب‌وکار هم‌خوان باشند
- ◈ساخت RAG و workflow های ایجنتی روی مدل‌ها
- ◈استقرار مدل و بهبود تأخیر، throughput، مصرف حافظه و هزینهٔ هر توکن
- ◈فشرده‌سازی و quantization مدل با کمترین افت کیفیت
- ◈بررسی trace ها و رفتار مدل در پروداکشن و تبدیل یافته‌ها به داده، تست یا تغییر در سیستم
- ◈پیاده‌سازی guardrail و دنبال کردن حمله‌های تازه به LLM
- ◈مستندسازی آزمایش‌ها، روش‌ها و نتایج
- ◈همکاری با تیم محصول برای تبدیل مسئلهٔ مبهم مشتری به نمونهٔ اولیه
- ◈دنبال کردن مدل‌ها، بنچمارک‌ها و فریم‌ورک‌های تازه و پیشنهاد ابزار مناسب به تیم
- ◈راهنمایی اعضای جوان‌تر تیم و بازبینی کد آن‌ها
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک مهندس مدل‌های زبانی بزرگ موفق به آن‌ها نیاز دارد
مهارت‌های فنی
زبان اصلی کار؛ در همهٔ آگهی‌های بررسی‌شده آمده است
کار با مدل در سطح کد: آموزش، fine-tuning و بررسی رفتار؛ آگهی‌های Multiverse، Airbnb، Nebius و Databricks آن را نام برده‌اند
attention، tokenization، KV cache و محدودیت‌های context؛ JUST ADD AI درک فنی عمیق آن را می‌خواهد
بنچمارک اختصاصی، تست رگرسیون و LLM-as-judge؛ در آگهی‌های Workday، Censys، Databricks و Okta آمده است
SFT، LoRA و QLoRA با کتابخانه‌هایی مثل TRL و PEFT؛ در آگهی‌های Censys، JUST ADD AI، Multiverse و Airbnb آمده است
بازیابی بخش‌های مرتبط اسناد و دادن آن به مدل؛ Okta «درک عمیق RAG، embeddings و workflow های پایگاه دانش» را می‌خواهد
Transformers، Accelerate و Datasets برای کار با مدل‌های متن‌باز (فهرست آگهی Multiverse)
موتورهایی مثل vLLM، SGLang و TensorRT-LLM؛ Nebius شناخت دست‌کم یکی از آن‌ها را شرط گذاشته است
کم کردن حافظه و هزینه با کمترین افت کیفیت؛ در آگهی‌های Multiverse، Nebius و Airbnb آمده است
حافظه، پهنای باند و موازی‌سازی؛ Multiverse شناخت مبانی معماری GPU و Perplexity تجربهٔ برنامه‌نویسی GPU با CUDA یا Triton را می‌خواهد
ساخت workflow های ایجنتی و اتصال مدل به ابزار؛ Workday دانش «RAG/MCPs» را و Okta تجربه با LangGraph، LlamaIndex و MCP را می‌خواهد
استقرار سرویس و اجرای خودکار تست‌ها؛ Multiverse استقرار روی AWS با Docker و Censys تجربهٔ CI/CD برای اپلیکیشن‌های AI را می‌خواهد
مهارت‌های نرم
خواندن trace ها، شناختن حالت‌های خطا و سنجیدن اینکه یک معیار واقعاً چیز درستی را اندازه می‌گیرد (آگهی‌های Harvey و Databricks)
JUST ADD AI دانشی «همیشه به‌روز» دربارهٔ مدل‌ها، بنچمارک‌ها و فریم‌ورک‌ها می‌خواهد و Multiverse دنبال کردن روندهای تازه را جزو وظایف آورده است
Databricks توانایی تبدیل مسئلهٔ مبهم مشتری به MVP و تکرار سریع بر اساس داده را می‌خواهد
JUST ADD AI ارتباط مؤثر با همکاران فنی و غیرفنی را می‌خواهد؛ Harvey هم با متخصصان حوزه و شرکای پژوهشی بیرونی
Workday تجربه با Cursor، Claude Code یا Codex را شرط پایه گذاشته و JUST ADD AI استفادهٔ حرفه‌ای از آن‌ها را می‌خواهد
دانش حوزه‌ای
OWASP در فهرست ده ریسک برنامه‌های LLM، prompt injection را شمارهٔ یک و مسمومیت داده و مدل را، که در fine-tuning هم ممکن است، شمارهٔ چهار گذاشته است
Nebius توانایی سنجیدن توازن تأخیر، throughput، کیفیت و هزینه را می‌خواهد و Harvey از «مرز Pareto» میان هزینه، تأخیر، امنیت و governance حرف می‌زند
guardrail و بررسی‌های ایمنی برای جلوگیری از سوءاستفاده یا نشت داده (آگهی Censys)
آگهی‌ها تجربهٔ حوزه را امتیاز می‌دانند: امنیت سایبری و حوزه‌های دادهٔ حساس در Censys، پشتیبانی مشتری در Airbnb و هوش مصنوعی گفت‌وگومحور در Workday
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مهندس مدل‌های زبانی بزرگ
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
پایه‌ها: Python، Git و یادگیری ماشین
Python را تا جایی یاد بگیرید که کد تمیز و قابل تست بنویسید؛ همهٔ آگهی‌های بررسی‌شده Python می‌خواهند و بیشترشان PyTorch را هم نام برده‌اند (Multiverse، Airbnb، Nebius و Databricks). Git را از همین ابتدا یاد بگیرید و مبانی یادگیری ماشین را بشناسید: داده، آموزش، ارزیابی و overfitting.
یادگیری عمیق و معماری Transformer
این مرحله فرق اصلی این مسیر با AI Engineer است. آگهی JUST ADD AI «درک فنی عمیق از معماری Transformer» می‌خواهد و آگهی Nebius شناخت گلوگاه‌های inference مثل KV cache و attention را. بهترین راه، ساختن یک مدل GPT کوچک با دست خودتان است؛ به نوشتهٔ مخزن کتاب Sebastian Raschka، کد اصلی فصل‌های آن روی لپ‌تاپ معمولی در زمان معقول اجرا می‌شود.
کار با مدل‌ها: Hugging Face، مدل‌های متن‌باز و RAG
مدل‌های متن‌باز را با Hugging Face بارگذاری و اجرا کنید، یکی را روی کامپیوتر خودتان با Ollama راه بیندازید و یک RAG ساده بسازید. آگهی Multiverse تسلط به Transformers، Accelerate و Datasets از Hugging Face را می‌خواهد و آگهی‌های Censys و JUST ADD AI تجربه با RAG و پرامپت را.
Fine-tuning و ارزیابی
یک مدل متن‌باز کوچک را با LoRA یا QLoRA برای یک کار مشخص fine-tune کنید و نتیجه را با یک مجموعهٔ تست جداگانه بسنجید، نه با حس. لازم نیست خوشهٔ GPU داشته باشید: مقالهٔ QLoRA نشان داد می‌شود مدلی با ۶۵ میلیارد پارامتر را روی یک GPU با ۴۸ گیگابایت حافظه fine-tune کرد. ارزیابی را جدی بگیرید؛ آگهی Workday طراحی چارچوب ارزیابی LLM را جزو وظایف اصلی آورده است.
استقرار، بهینه‌سازی inference و امنیت
مدل را با یک موتور inference مثل vLLM مستقر کنید و تأخیر، throughput و هزینه را اندازه بگیرید؛ آگهی Nebius دقیقاً همین را می‌خواهد: بهبود تأخیر، throughput، مصرف حافظه و هزینهٔ هر توکن. quantization را امتحان کنید و ببینید چقدر از کیفیت کم می‌شود. امنیت را هم از ابتدا در نظر بگیرید؛ آگهی JUST ADD AI از مهندس LLM می‌خواهد حمله‌های تازه به LLM را دنبال کند.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
مدل، آموزش و fine-tuning
فریم‌ورک اصلی کار با مدل؛ در آگهی‌های Multiverse، Airbnb، Nebius و Databricks نام برده شده است
بارگذاری، اجرا و آموزش مدل‌های متن‌باز؛ آگهی Multiverse تسلط به Transformers، Accelerate و Datasets را می‌خواهد
اجرا و بهینه‌سازی inference
کتابخانهٔ inference و serving که در آزمایشگاه Sky Computing دانشگاه UC Berkeley ساخته شد؛ آگهی‌های Nebius و Multiverse آن را نام برده‌اند
RAG، ایجنت و ارزیابی
ساخت اپلیکیشن و ایجنت روی مدل؛ آگهی Okta آن‌ها را در کنار LlamaIndex، LiteLLM و MCP آورده است
ابر، استقرار و ابزار توسعه
سرویس AWS برای استفاده از مدل‌ها؛ آگهی Okta آن را در کنار OpenAI و Anthropic نام برده است
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
جونیور / تازه‌کار
۰ تا ۲ سال
کار روی بخش‌های مشخص زیر نظر مهندس ارشد: آماده کردن داده برای fine-tuning، اجرای ارزیابی‌ها، نوشتن pipeline های RAG و تست. آگهی تازه‌کار با عنوان LLM کم است؛ معمولاً از نقش‌های جونیور ML Engineer یا مهندس نرم‌افزار شروع می‌شود
LLM Engineer / ML Engineer (LLM)
۲ تا ۵ سال
مسئولیت یک مدل یا pipeline از آزمایش تا پروداکشن: انتخاب مدل، fine-tune، ارزیابی و استقرار؛ آگهی LLM Engineer در Workday چهار سال تجربهٔ عملی در Data Science/ML می‌خواهد
Senior LLM Engineer
۵+ سال
طراحی معماری، تعریف روش ارزیابی و تصمیم دربارهٔ fine-tune یا استفاده از مدل آماده؛ آگهی‌های Censys و Multiverse دست‌کم پنج سال تجربه می‌خواهند و Multiverse راهنمایی اعضای جوان‌تر تیم را هم جزو وظایف آورده است
Staff / Principal
معمولاً ۱۰+ سال
تعیین جهت فنی LLM در سازمان و تصمیم‌های معماری؛ آگهی Staff در Databricks و Principal در Airbnb هر دو ده سال تجربه یا بیشتر می‌خواهند و Airbnb دکترا را جزو شرایط حداقلی گذاشته است
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
ارزیابی درست، نه فقط امتیاز بنچمارک
عمومیخروجی مدل برای یک ورودی می‌تواند هر بار فرق کند و بنچمارک عمومی لزوماً کیفیت در کار شما را نشان نمی‌دهد. Hamel Husain ریشهٔ شکست بیشتر محصولات AI را نبود سیستم ارزیابی قوی می‌داند و Databricks ارزیابی‌ای می‌خواهد که به ارزش واقعی کسب‌وکار وصل باشد. ساختن چنین ارزیابی‌ای وقت و دادهٔ برچسب‌خورده می‌خواهد.
هزینه و محدودیت GPU
عمومیآموزش و اجرای مدل به GPU نیاز دارد و هر تصمیم روی هزینه اثر می‌گذارد؛ آگهی Nebius «هزینهٔ هر توکن» را در کنار تأخیر و کیفیت جزو معیارهای اصلی کار آورده است. روش‌هایی مثل LoRA، QLoRA و quantization بخشی از راه‌حل‌اند، اما هر کدام توازنی با کیفیت دارند که باید اندازه گرفته شود.
سرعت تغییر مدل‌ها و ابزارها
استارتاپمدلها، بنچمارک‌ها و موتورهای inference مدام عوض می‌شوند. JUST ADD AI از مهندس LLM دانشی «همیشه به‌روز» می‌خواهد و Workday آزمایش مداوم راه‌حل‌های تازه را جزو وظایف آورده است. چیزی که امروز یاد می‌گیرید باید مرتب تازه شود.
امنیت: prompt injection و مسمومیت داده
عمومیOWASP در فهرست ده ریسک اصلی برنامه‌های LLM، prompt injection را اول و مسمومیت داده و مدل را، که می‌تواند در مرحلهٔ fine-tuning رخ دهد، چهارم گذاشته است. آگهی JUST ADD AI از مهندس می‌خواهد حمله‌های تازه را دنبال کند و دفاع بسازد.
سطح تجربهٔ بالای آگهی‌ها
عمومیبیشتر آگهی‌های LLM-محور برای افراد باتجربه‌اند: Workday چهار سال تجربهٔ Data Science/ML، Censys و Multiverse پنج سال و Databricks و Airbnb ده سال یا بیشتر می‌خواهند. برای تازه‌کار مسیر واقع‌بینانه معمولاً از نقش‌های جونیور مهندسی نرم‌افزار یا ML و ساختن پروژه‌های قابل نمایش می‌گذرد.
عنوان‌های پراکنده در جستجوی کار
عمومیچون عنوان دقیق LLM Engineer کم است، آگهی‌های مرتبط زیر عنوان‌های مختلفی پخش‌اند و شرح وظایفشان هم فرق دارد؛ یکی بیشتر اپلیکیشن می‌سازد، یکی بیشتر روی inference یا post-training کار می‌کند. باید شرح هر آگهی را خواند، نه فقط عنوانش را.
حقوق و بازار کار جهانی
حقوق جهانی مهندس مدل‌های زبانی بزرگ
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: Transformer از نزدیک
یک GPT کوچک را با دست خودتان بسازید تا attention و tokenization را در کد ببینید.
ماه ۲: Hugging Face و مدل‌های متن‌باز
مدل‌ها را بارگذاری و اجرا کنید، یکی را با Ollama روی سیستم خودتان راه بیندازید و یک RAG ساده بسازید.
ماه ۳: ارزیابی
برای RAG خودتان یک مجموعهٔ تست بسازید و آن را با Ragas و یک ارزیاب ساده بسنجید.
ماه ۵: استقرار و inference
مدل را با vLLM سرو کنید و تأخیر و توکن در ثانیه را با و بدون quantization اندازه بگیرید.
ماه ۶: پورتفولیو و درخواست کار
پروژه‌ها را با README، نتیجهٔ ارزیابی و محدودیت‌ها مرتب کنید و علاوه بر LLM Engineer، آگهی‌های ML Engineer (LLM) و AI Engineer را هم بررسی کنید.
پروژه‌های پیشنهادی برای رزومه
ساخت یک GPT کوچک از صفر
مبتدیبا دنبال کردن کتاب Raschka یا ویدیوی Karpathy یک مدل زبانی کوچک بنویسید، روی یک متن کوچک pretrain کنید و در README توضیح دهید attention، tokenization و حلقهٔ آموزش در کد شما کجا هستند.
fine-tune یک مدل متن‌باز کوچک با LoRA
متوسطیک مدل متن‌باز کوچک را برای یک کار مشخص (مثلاً دسته‌بندی متن فارسی یا پیروی از دستورالعمل در یک حوزه) با LoRA یا QLoRA fine-tune کنید و آن را با مدل پایه روی یک مجموعهٔ تست جداگانه مقایسه کنید.
RAG با ارزیابی و تست رگرسیون
متوسطروی چند سند یک RAG بسازید، با Ragas کیفیت بازیابی و پاسخ را بسنجید و این ارزیابی را در CI اجرا کنید تا هر تغییر پرامپت، مدل یا روش تکه‌کردن اسناد پیش از ادغام سنجیده شود؛ همان چیزی که آگهی Censys می‌خواهد.
مقایسهٔ چند مدل روی کار خودتان
پیشرفتهسه مدل متن‌باز را روی یک کار مشخص با lm-evaluation-harness و یک مجموعهٔ تست اختصاصی بسنجید، یک ارزیاب LLM-as-judge هم اضافه کنید و در گزارش توضیح دهید کدام معیار با کیفیت واقعی هم‌خوان بود و کدام نبود.
سرو کردن مدل و benchmark تأخیر و هزینه
پیشرفتهمدل fine-tune شدهٔ خودتان را با vLLM سرو کنید، نسخهٔ quantize شده را هم بالا بیاورید و زمان رسیدن اولین توکن، توکن در ثانیه و کیفیت خروجی دو نسخه را مقایسه کنید. نتیجه را با نمودار در README بیاورید.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
دکترای یادگیری ماشین را از Polytechnic Institute of Paris گرفته و Google Developer Expert در حوزهٔ AI/ML است.
امروز Head of Post-Training در Liquid AI است. به گفتهٔ صفحهٔ معرفی‌اش، مدل‌های LFM2/2.5 و دورهٔ رایگان LLM Course از مشارکت‌های او در جامعهٔ متن‌باز است. نویسندهٔ کتاب‌های «LLM Engineer's Handbook» و «Hands-On Graph Neural Networks Using Python» است.
او آنچه را در این حوزه یاد گرفته به شکل یک دورهٔ رایگان و یک کتاب منتشر کرده است. به نظر می‌رسد مستند کردن و انتشار آنچه یاد می‌گیرید، هم یادگیری خودتان را منظم می‌کند و هم شما را به جامعهٔ این حوزه معرفی می‌کند.
دکترایش را از University of Washington با راهنمایی Luke Zettlemoyer گرفته و امروز استادیار Carnegie Mellon University و پژوهشگر Allen Institute for AI (Ai2) است.
سازنده و نگه‌دارندهٔ کتابخانهٔ bitsandbytes است و پژوهش‌هایی مثل QLoRA و LLM.int8() از کارهای اوست. جوایزی مثل Google Open Source Award و PyTorch Foundation Award (هر دو ۲۰۲۳) گرفته است. به گفتهٔ خودش هدف اصلی پژوهشش در دسترس کردن AI است، طوری که همه بتوانند با آن کار کنند.
کار او نشان می‌دهد کارایی محاسباتی خودش یک تخصص است: روشی که حافظهٔ لازم را کم می‌کند، کار با مدل‌های بزرگ را برای کسانی که GPU گران ندارند هم ممکن می‌کند.
پیش‌تر استاد دانشکدهٔ آمار University of Wisconsin-Madison بود و آمار، یادگیری ماشین و یادگیری عمیق تدریس می‌کرد. بعد در Lightning AI به‌عنوان مهندس ارشد کار کرد.
به گفتهٔ خودش امروز LLM Research Engineer است. نویسندهٔ کتاب «Build a Large Language Model (From Scratch)» و دنبالهٔ آن «Build a Reasoning Model (From Scratch)» است.
کتاب او خواننده را وادار می‌کند مدل را خودش بنویسد، نه فقط از کتابخانه استفاده کند. برای کسی که می‌خواهد مهندس LLM شود، فهمیدن مدل در سطح کد همان چیزی است که این نقش را از کار صرف با API جدا می‌کند.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Senior AI/LLM Engineer
تحلیل نیازمندی‌ها
5+ years of software engineering experience, including 2+ years building and scaling AI-powered user-facing features
نقش ارشد است و پایه‌اش مهندسی نرم‌افزار است: پنج سال سابقه، که دو سال آن ساختن ویژگی‌های AI برای کاربر واقعی باشد. پروژهٔ کلاسی کافی نیست؛ باید چیزی ساخته باشید که کاربر با آن کار کرده است.
ضروریStrong proficiency in Python for backend and API services development
Python فقط برای نوت‌بوک نیست؛ باید با آن سرویس بک‌اند و API بنویسید، یعنی کد قابل نگهداری، تست‌شده و آمادهٔ پروداکشن.
ضروریFamiliarity with RAG evaluation frameworks (e.g., RAGAS, LangSmith) and designing regression testing for LLM pipelines
کارفرما می‌خواهد کیفیت را اندازه بگیرید، نه حدس بزنید. تست رگرسیون یعنی هر تغییر در پرامپت، مدل یا داده پیش از انتشار با یک مجموعهٔ ثابت سنجیده شود تا چیزی که قبلاً کار می‌کرد خراب نشود.
ضروریPrior knowledge in prompt engineering improving LLM accuracy, reasoning and consistency
پرامپت هنوز ابزار مهمی است، اما اینجا با هدف مشخص: دقت، استدلال و ثبات خروجی. باید بتوانید نشان دهید تغییر پرامپت با چه معیاری نتیجه را بهتر کرده است.
مهمUnderstanding secure and responsible AI practices, implementing guardrails and safety checks to prevent misuse or data exposure
Censys با دادهٔ امنیتی کار می‌کند، پس نشت داده و سوءاستفاده از مدل ریسک واقعی است. guardrail یعنی بررسی ورودی و خروجی مدل و محدود کردن کارهایی که سیستم اجازه دارد انجام دهد.
مهمHands-on experience with CI/CD pipelines, test automation, and deployment best practices for AI applications.
اپلیکیشن AI هم مثل هر نرم‌افزار دیگری باید خودکار تست و مستقر شود. کسی که فقط آزمایش دستی در نوت‌بوک کرده، این بخش را کم دارد.
مهمExperience with retrieval-augmented generation (RAG), vector search, and LLM fine-tuning
این مورد در بخش «آنچه شما را متمایز می‌کند» آمده است: fine-tuning شرط ورود نیست، اما امتیاز است. همین بخش است که این نقش را از یک AI Engineer معمولی جدا می‌کند.
مفیدAdvanced knowledge of AI/ML architectures, model evaluation, and applied deep learning
درک معماری مدل و یادگیری عمیق کمک می‌کند بفهمید مدل چرا خطا می‌کند و چه زمانی fine-tune یا تغییر مدل لازم است.
مفیدتحلیل مسئولیت‌ها
Rapidly prototype and deploy AI-powered features to enhance search, improve recommendations, and automate workflows across the Censys Platform.
سرعت مهم است: باید ایده را زود به نمونهٔ کارکردی برسانید و اگر جواب داد مستقرش کنید. جستجو، توصیه و خودکارسازی سه حوزهٔ اصلی کارند.
Apply machine learning to streamline workflows, personalize experiences, and surface critical insights
همهٔ کار LLM نیست؛ یادگیری ماشین کلاسیک هم بخشی از جعبه‌ابزار است. باید بدانید کجا یک مدل ساده‌تر کافی است.
Develop and fine-tune LLMs and RAG pipelines to reason over Internet-scale data, summarize findings, and deliver context-aware insights.
هستهٔ نقش همین است: هم مدل را تطبیق دهید و هم سیستم بازیابی‌ای بسازید که دادهٔ عظیم اسکن اینترنت را به خلاصه و بینش قابل استفاده برای تحلیلگر امنیتی تبدیل کند.
Build, scale and maintain AI-driven analytics and automation systems helping users make faster, data-backed decisions
«نگهداری» یعنی مسئولیت با تحویل تمام نمی‌شود؛ سیستمی که ساخته‌اید باید زیر بار واقعی کار کند و پایدار بماند.
Collaborate with frontend, product, and data engineering teams to integrate AI-native experiences that feel seamless, intuitive, and secure
کار تیمی است: مدل باید داخل یک تجربهٔ کاربری خوب قرار بگیرد. باید بتوانید محدودیت‌های مدل را برای طراح و مدیر محصول توضیح دهید.
Continuously evaluate and improve model performance through RAGAS, LangSmith, and automated regression testing frameworks
ارزیابی کاری یک‌باره نیست. با هر نسخهٔ تازه باید دوباره سنجید؛ ابزارها هم مشخص شده‌اند: Ragas، LangSmith و تست رگرسیون خودکار.
نتیجه‌گیری کلی
این آگهی نشان می‌دهد «LLM Engineer» در عمل چه ترکیبی است؛ حتی عنوانش هر دو بخش را دارد: AI/LLM. یک مهندس نرم‌افزار ارشد با Python که هم ویژگی‌های AI محصول را با RAG می‌سازد و هم LLM ها را fine-tune و با Ragas، LangSmith و تست رگرسیون ارزیابی می‌کند. بازهٔ حقوق اعلام‌شده ۱۴۸ تا ۱۹۲ هزار دلار در سال است و برای سان‌فرانسیسکو، نیویورک و سیاتل ۱۷۹ تا ۲۰۱ هزار دلار، به‌علاوهٔ پاداش و سهام. این بازه از میانگین ZipRecruiter برای همهٔ سطوح این عنوان در آمریکا (۱۱۱٬۵۵۲ دلار) بالاتر است؛ این آگهی برای سطح ارشد است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
ITJobsWatch در بریتانیا در شش ماه منتهی به ۲۲ اکتبر ۲۰۲۶، ۱٬۳۰۰ آگهی استخدام دائم را شمرده که مهارت LLM را خواسته‌اند؛ در همین بازه در ۲۰۲۵ این عدد ۱٬۰۷۴ و در ۲۰۲۴، ۱۹۴ بود. با این حال سهم این آگهی‌ها از کل آگهی‌های دائم بریتانیا از ۲٫۱۸٪ به ۱٫۰۸٪ رسیده است. این رقم مهارت را می‌شمارد، نه عنوان شغلی را.
منبع: ITJobsWatch (UK), 6 months to 22 Oct 2026
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
در گزارش Future of Jobs 2025 مجمع جهانی اقتصاد (WEF)، کارفرمایانِ شرکت‌کننده در نظرسنجی «متخصصان AI و یادگیری ماشین» را در میان سریع‌ترین شغل‌های در حال رشد تا ۲۰۳۰ (از نظر درصد) قرار داده‌اند؛ رتبهٔ سوم در فهرست این گزارش.
BLS آمریکا پیش‌بینی می‌کند اشتغال در گروه رسمی «پژوهشگران کامپیوتر و اطلاعات» از ۲۰۲۵ تا ۲۰۳۵، ۲۲٪ رشد کند و ساخت فناوری‌های تازهٔ مرتبط با AI را نمونه‌ای از این نیاز می‌آورد. گروه رسمی جداگانه‌ای برای LLM Engineer وجود ندارد و جستجوی O*NET برای این عنوان نتیجهٔ مستقیمی نمی‌دهد. BLS برای این گروه معمولاً کارشناسی ارشد را لازم می‌داند، پس این پیش‌بینی بیشتر به نقش‌های پژوهشی مثل Research Engineer مربوط است.
از آگهی‌ها سه نکته پیداست. اول، سطح تجربهٔ خواسته‌شده بالاست: Workday چهار سال، Censys و Multiverse پنج سال و Databricks و Airbnb ده سال یا بیشتر می‌خواهند؛ نقش LLM-محور برای تازه‌کار کم است. دوم، سرعت تغییر: JUST ADD AI دانشی «همیشه به‌روز» دربارهٔ مدل‌ها، بنچمارک‌ها و فریم‌ورک‌ها می‌خواهد، پس آنچه امروز یاد می‌گیرید باید مدام تازه شود. سوم، مرز این نقش با AI Engineer و ML Engineer جابه‌جا می‌شود و عنوان دقیق آن کم است؛ کسی که فقط دنبال «LLM Engineer» بگردد بیشتر آگهی‌های مرتبط را نمی‌بیند. در کنار این‌ها، سهم آگهی‌هایی که در بریتانیا مهارت LLM می‌خواهند از کل آگهی‌ها، طبق ITJobsWatch، نسبت به سال قبل کمتر شده، هرچند تعدادشان بیشتر شده است.
منابع
اطلاعات این صفحه در تاریخ ۲۹ مهر ۱۴۰۵ از این ۳۱ منبع بررسی شده است.
- Senior AI/LLM Engineer — Censys (job posting)
- LLM Engineer — JUST ADD AI (job posting)
- LLM Engineer - Paradox — Workday (job posting)
- Senior Machine Learning Engineer (LLM) — Multiverse Computing (job posting)
- Staff Machine Learning Engineer, CustomerLake (ML/LLM) — Databricks (job posting)
- Principal Machine Learning Engineer- LLM Fine-tuning and Optimization — Airbnb (job posting)
- Senior Machine Learning Engineer, LLM Inference Optimization — Nebius (job posting)
- Research Engineer, Post-Training — Harvey (job posting)
- Member of Technical Staff (AI Inference Engineer) — Perplexity (job posting)
- Staff Machine Learning Engineer, Generative AI (Auth0) — Okta (job posting)
- ZipRecruiter — LLM Engineer salary, United States
- ITJobsWatch — LLM (UK job trends and salaries)
- Glassdoor — LLM Engineer salaries in India
- LinkedIn Jobs on the Rise 2026: The 25 fastest-growing roles in the U.S.
- World Economic Forum — The Future of Jobs Report 2025 (PDF)
- BLS Occupational Outlook Handbook — Computer and Information Research Scientists
- O*NET OnLine — keyword search: llm engineer
- Maxime Labonne — About
- Maxime Labonne — LLM Course (GitHub)
- LLM Engineer's Handbook — official repository (Paul Iusztin, Maxime Labonne)
- Tim Dettmers — About
- QLoRA: Efficient Finetuning of Quantized LLMs (arXiv, 2023)
- LoRA: Low-Rank Adaptation of Large Language Models (arXiv, 2021)
- Sebastian Raschka — About
- Build a Large Language Model (From Scratch) — Manning
- rasbt/LLMs-from-scratch (GitHub)
- vLLM documentation
- Hamel Husain — Your AI Product Needs Evals
- OWASP Top 10 for LLM Applications
- Prompt engineering — Wikipedia
- Stanford CS336 — Language Modeling from Scratch