算法工程师（大模型方向）

优缺点分析

角色解读

• 技术深耕：从模型训练工程师成长为算法专家，主导大模型架构设计
• 管理方向：晋升为技术负责人或团队Leader，带领团队攻克技术难题
• 业务拓展：结合金融业务，转型为AI产品经理或解决方案架构师
• 参与金融大模型的训练与优化，包括网络架构设计、训练方法改进和效率提升
• 负责数据集建设，确保训练数据的质量和多样性
• 跟踪大模型前沿技术，探索在金融场景中的智能化应用
• 与团队协作，推动项目进展并完成公司交办的其他任务
• 扎实的Python或C/C++编程能力，熟练掌握PyTorch等深度学习框架
• 熟悉大模型训练框架如Megatron、DeepSpeed、Swift等
• 了解常见大模型的架构与训练方法，具备2年以上AI领域经验
• 良好的沟通能力和技术钻研精神，能够团队协作

申请策略

• 关注东方财富的金融科技布局，在面试中展现对业务的理解
• 准备一个完整的大模型项目案例，从数据准备到训练部署全流程
• 突出大模型相关项目经验，包括模型训练、调优、部署等具体工作
• 强调使用过的框架（Megatron、DeepSpeed等）和优化技巧
• 如有开源贡献或高水平论文，务必列出
• 展示金融或数据处理相关经验，体现行业匹配度
• 补充Agent服务搭建经验，学习LangChain、AutoGPT等框架
• 深入理解大模型训练原理，如分布式训练、混合精度训练等

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难点
• 对比分析：比较不同方法或框架的优劣，展示技术广度
• 问题导向：先分析问题本质，再提出解决方案，体现逻辑性
• 请介绍你参与过的大模型训练项目，包括架构、数据、训练策略和效果
• 如何优化大模型的训练效率？请举例说明
• 你了解哪些大模型训练框架？比较它们的优缺点
• 在金融场景中应用大模型有哪些挑战？如何解决？
• 请解释Transformer的注意力机制原理