算法工程师（供应链预测方向）-国际电商

优缺点分析

角色解读

• 技术专家路线：深入研究大模型在供应链预测、计划等场景的应用，成为领域专家
• 管理路线：带领算法团队，负责更多业务线的算法落地与创新
• 业务路线：转向产品经理或业务负责人，利用算法思维驱动供应链整体优化
• 负责供应链核心场景的算法研发，包括销量预测、备货计划、产能计划、库存调拨等业务的智能决策方案
• 将大模型技术（如SFT、RL、Agent智能体）落地到供应链业务中，提升预测准确性和运营效率
• 与业务团队紧密合作，理解业务需求，持续迭代算法以驱动业务增长
• 精通大模型工业界实战，具备SFT、RL、Agent相关经验，熟悉LLaMA Factory等训练框架
• 熟练使用Python、PyTorch、TensorFlow，具备扎实的机器学习基础和问题解决能力
• 责任心强，具备持续学习能力，能紧跟大模型前沿技术并应用于业务
• 有供应链领域知识或相关算法经验者优先

申请策略

• 在简历和面试中具体描述你主导的大模型落地项目，用数据说明效果
• 提前了解字节电商的供应链流程，思考大模型可能的应用点
• 突出大模型项目的实战经验，尤其是SFT、RL、Agent相关的落地案例
• 强调供应链领域算法成果，如销量预测、库存优化等项目的业绩指标
• 展示编程能力，特别是Python、PyTorch、TensorFlow的熟练程度
• 补充供应链基础知识，了解预测、计划、调拨的核心逻辑
• 深入学习SFT和RL理论和实践，掌握LLaMA Factory等框架
• 了解字节跳动国际电商业务模式和供应链痛点

面试指南

• 使用STAR法则：情境(Situation) - 任务(Task) - 行动(Action) - 结果(Result)
• 技术问题先分析问题本质，再提出多种方案并权衡，最后给出最佳实践
• 业务问题要结合数据、算法和落地场景，强调最终对业务指标的提升
• 请详细介绍一个你使用SFT或RL优化模型的项目，包括技术方案和业务效果
• 如何为供应链销量预测任务设计大模型方案？会遇到哪些挑战？
• 你如何看待Agent在智能决策中的应用？请举例说明
• 假设训练数据不均衡，你会如何处理？对大模型训练有什么影响？
• 复习机器学习基础，尤其是时序预测、推荐系统相关理论