大模型算法工程师-实习生

优缺点分析

角色解读

• 从实习生做起，可转正为正式算法工程师，深入大模型在供应链的应用
• 往高级算法专家方向发展，负责更核心的模型设计与业务创新
• 未来可转型为技术负责人或架构师，主导AI技术在物流行业的整体规划
• 研发和优化供应链领域的大模型算法，包括模型架构设计与训练流程开发
• 参与NLP和时间序列预测算法的方案设计，并根据业务需求进行实现
• 对算法模型进行评估、测试和性能调优，确保其在真实场景中的准确性和效率
• 与产品和工程团队协作，推动算法从研究到落地的全流程
• 扎实的机器学习/深度学习理论基础，熟悉PyTorch或TensorFlow等框架
• 熟练掌握Python编程，具备数据处理和算法实现能力
• 深入了解NLP或时间序列预测算法，有大模型fine-tuning或prompt优化经验更佳
• 良好的沟通协作能力，能够跨团队推动技术落地

申请策略

• 了解顺丰的业务特点和技术架构，在面试中展示对物流场景的理解
• 准备一个完整的大模型项目案例，从数据准备到模型部署的流程
• 重点突出在大模型或NLP/时间序列方面的项目经验，特别是fine-tuning或prompt优化
• 强调Python和深度学习框架的使用熟练度，最好有开源贡献或竞赛获奖
• 体现供应链或运筹学相关背景，即使不是核心也值得提及
• 系统学习Transformer、LLM等大模型基础，动手实践fine-tuning
• 补充供应链或运筹学基础知识，如库存优化、路径规划等
• 练习算法编码能力，刷LeetCode和Kaggle相关题目

面试指南

• STAR法则：描述情境、任务、行动、结果，突出个人贡献和技术细节
• 技术深度与广度：先回答核心原理，再结合实际应用，展示思考过程
• 体现业务理解：将算法与具体业务场景结合，说明价值
• 请介绍一个你参与过的NLP或时间序列项目，遇到的最大挑战是什么？
• 解释Transformer中的自注意力机制，并说明如何改进？
• 如果要在供应链中应用大模型，你会如何设计方案？
• 描述一次你与团队协作推动算法落地的经历
• 你对LLM的fine-tuning有哪些经验？常用的技术有哪些？