算法高级工程师（大模型）

优缺点分析

角色解读

• 技术方向：进阶为AI算法专家或首席科学家，主导核心技术研发
• 管理方向：晋升为技术团队负责人或AI部门总监，带领团队
• 业务方向：深入金融或健康行业，成为AI+行业的解决方案专家
• 设计并实现大模型微调方案，使其适配金融和健康场景的智能服务
• 开发基于强化学习的智能决策系统，用于投资策略、保险推荐等
• 构建智能体系统，实现自主决策和多模态交互功能
• 跟踪前沿技术并应用于实际业务，提升产品智能化水平
• 扎实的大模型（LLM）微调经验，熟悉主流框架如PyTorch
• 强化学习算法理论与实践，能设计决策系统
• Agentic开发经验，了解多模态交互技术
• 对金融或健康领域有深入理解，能将技术转化为业务价值

申请策略

• 提前了解平安的金融和健康业务线（如平安寿险、平安银行、平安好医生），面试中展现业务思考
• 准备一个完整的技术方案，将大模型、强化学习或Agentic对应到具体业务场景
• 突出大模型微调项目经验，如具体应用场景、模型性能提升
• 展示强化学习相关项目，尤其是决策系统或推荐系统的成果
• 强调Agentic开发或智能体相关实践，附上技术方案细节
• 体现对金融/健康领域的理解，如相关项目或行业知识
• 深入掌握一个主流大模型微调框架（如LLaMA-Factory、DeepSpeed）
• 学习多模态模型与知识图谱基础，尝试小项目实践

面试指南

• STAR法则：情境、任务、行动、结果，突出自己在项目中的贡献
• 技术+业务结合：先阐述技术原理，再说明如何适配业务需求
• 逻辑清晰：按问题拆解，逐步深入，体现系统性思考
• 请详细描述你做大模型微调的项目，包括数据准备、训练策略、效果评估
• 在金融或健康场景中，强化学习如何应用？请举例说明
• 你如何设计一个智能体系统？请从架构和决策流程角度阐述
• 你如何跟踪前沿技术并快速应用到实际项目中？
• 平安的业务场景中，你认为大模型最大的挑战是什么？