算法工程师

优缺点分析

角色解读

• 技术专家路线：深耕大模型算法，成为公司内部AI领域的权威，参与前沿技术预研
• 架构师路线：转向系统架构设计，负责大规模AI系统的整体方案和优化
• 管理路线：带领算法团队，负责项目管理和技术决策
• 设计并优化RAG框架，结合向量数据库提升智能问答的检索准确性和响应速度
• 对大型语言模型进行微调、提示工程及模型压缩，适配金融/保险行业场景
• 开发多模态Agent系统，实现任务规划、工具调用和记忆管理，并构建仿真环境验证
• 负责高并发推理架构的工程落地，部署千亿级模型，并搭建监控和自动化评估平台
• 扎实的大模型技术：预训练、微调、压缩（量化/蒸馏/剪枝）等，需有实际项目经验
• 精通RAG和Agent原理，熟悉向量数据库、知识图谱、LangChain等工具
• 熟练使用Python、PyTorch、VLLM等框架，具备独立的算法实现和调优能力
• 深入理解NLP任务（如文本生成、摘要、问答），有金融或保险领域知识更佳

申请策略

• 平安注重团队协作和业务理解，面试中可准备一个将大模型应用于金融场景的案例
• 提前了解平安在AI方向的布局（如平安科技），展示对公司的兴趣
• 重点突出大模型相关项目经验，尤其是RAG、微调、压缩或Agent方向的实际案例
• 展示工程能力：如部署过高并发推理服务、优化过模型性能、搭建过监控系统等
• 如果有金融或保险领域背景，务必强调，这是加分项
• 列出发表的论文、开源贡献或竞赛获奖，增加专业认可度
• 补充向量数据库（如Milvus、FAISS）和知识图谱的实操经验
• 熟悉VLLM、LangChain、LlamaIndex等主流大模型工具框架

面试指南

• STAR法则：情境、任务、行动、结果，清晰呈现项目背景、个人贡献和量化成果
• 技术对比：在解释方案时，可对比不同方法（如检索策略BM25 vs 向量检索）的优劣，展示深度理解
• 请详细介绍你做过的一个RAG项目，包括架构设计、检索策略优化和效果评估
• 如何对一个大模型进行量化压缩？量化后模型性能下降如何评估和缓解？
• Agent系统中如何实现任务拆解和工具调用？请结合ReAct或COT框架说明
• 在部署千亿级模型时，如何设计高并发推理架构？有哪些关键挑战？
• 请解释模型漂移和幻觉率的概念，以及如何监控和优化
• 准备1-2个完整的项目案例，覆盖从数据到模型部署的全流程，最好有性能指标