大模型算法专家/工程师（代码智能方向）-TRAE

优缺点分析

角色解读

• 向大模型算法专家或技术Leader发展，带领团队攻克难题
• 深耕代码智能领域，成为行业顶尖的AI编程技术专家
• 内部可转岗至其他AI业务线，拓展技术广度
• 负责代码智能场景的大模型效果优化，通过后训练、指令微调等技术提升算法准确率与效率
• 分析业务需求，设计并实现适配不同场景的算法解决方案，支撑产品线算法需求
• 持续跟踪LLM前沿技术，探索并解决代码领域的复杂任务，如代码生成、修复等
• 扎实的机器学习与大模型基础，熟悉指令微调、RL等训练方法
• 优秀的代码能力和数据结构算法功底，能高效实现算法
• 具备数据建设与模型建设经验，能独立开展模型优化
• 出色的问题分析与解决能力，能深入攻克大模型训练与应用难题

申请策略

• 提前了解TRAE产品，展示对AI编程方向的理解和热情
• 准备算法和机器学习基础面试题，重点复习大模型相关
• 突出大模型训练、指令微调、RL等相关项目经验及成果
• 强调扎实的代码能力，例如开源贡献、竞赛成绩或高复杂度项目
• 如有相关顶会论文或产品落地案例务必重点展示
• 体现数据建设与模型建设的实际经验，包括数据清洗、增强等
• 深入理解RLHF、PPO等强化学习算法，并通过小项目实践
• 积累代码智能相关项目经验，如代码补全、修复、生成等

面试指南

• 采用STAR原则：情景-任务-行动-结果，结合具体项目实例
• 对于技术问题，先阐述原理，再结合自身实践，最后总结启发
• 对于开放性问题，展示自己的知识广度和思考深度，表达对领域的热爱
• 请详细介绍你参与过的指令微调项目，包括数据构建、训练策略和效果评估
• RLHF中reward model的设计和训练有哪些关键点？
• 如何提升代码生成模型的准确率？请举例说明优化方法
• 在大模型训练中，如何解决过拟合和灾难性遗忘问题？
• 你对代码智能领域的未来趋势有何看法？