资深机器学习算法专家（模型优化）

优缺点分析

角色解读

• 深耕模型压缩与硬件联合优化，成为AI系统架构专家
• 转向技术管理，带领算法团队攻克前沿课题
• 横向拓展至自动驾驶、机器人等领域的AI落地，发挥技术影响力
• 负责大模型压缩量化工具链的规划与平台化，提升模型部署效率
• 联合优化算力、软件与芯片，设计模型在硬件上的编译优化方案
• 探索视觉基模、多模态大模型及世界模型等前沿方向，推动技术演进
• 跨部门协调算法、平台与产品团队，确保技术方案落地
• 精通Transformer类模型和多模态大模型原理及压缩优化技术
• 具备GPU/DSP/NPU/FPGA等硬件加速落地经验
• 熟悉模型性能瓶颈分析与编译优化
• 有前瞻性技术视野和团队管理能力

申请策略

• 深入了解大疆的业务方向（无人机、机器人、车载），在面试中展现技术与业务结合的能力
• 准备一份技术演进roadmap，展示前瞻视野
• 突出模型压缩量化的项目成果，如压缩比、加速比、部署效果
• 强调硬件加速经验（GPU/NPU/FPGA），并说明具体优化方案
• 展示跨团队协作和项目管理能力，举例推动技术落地的案例
• 提及对前沿技术的理解，如世界模型、多模态大模型等
• 补充编译优化知识（如TVM、XLA）和芯片架构理解
• 强化大模型（VLM/VLA）的原理和实际压缩经验

面试指南

• 结构化回答：从问题定义、方案设计、实验验证到效果量化
• STAR法则：具体场景、任务、行动、结果
• 技术深度+业务视角：不仅说技术细节，还要考虑落地价值和成本
• 如何设计一个端到端的模型压缩量化工具链？
• 针对Transformer模型，你如何选择量化策略并分析性能瓶颈？
• 请举例说明你在GPU或NPU上做的模型加速优化，具体实现了多少加速？
• 如何看待世界模型与空间理解能力？在压缩优化上有哪些挑战？
• 如果团队内部对技术路线有分歧，你如何推动决策？