算法工程专家（大模型）

优缺点分析

角色解读

• 技术纵深发展：成为大模型领域资深专家，主导核心技术架构
• 管理路径：晋升为算法总监或AI部门负责人，负责更大业务线
• 跨界融合：深入金融业务，成为“AI+金融”复合型领军人物
• 领导算法团队设计大模型架构，优化模型在金融场景的性能
• 负责大模型在智能投顾、智能保顾领域的算法实现与落地
• 与产品、业务团队协作，将前沿技术转化为实际业务解决方案
• 关注LLM、多模态等新技术趋势，推动团队技术迭代
• 扎实的深度学习、自然语言处理、强化学习基础，有丰富的大模型训练优化经验
• 熟练使用PyTorch、TensorFlow等框架，能够设计并部署大模型
• 金融领域知识（投资、保险、风险管理）是加分项，需能设计金融场景方案
• 优秀的团队管理和跨部门沟通能力，能带领技术团队高效交付

申请策略

• 提前了解平安科技的业务方向，尤其是平安银行、平安寿险的AI战略
• 在面试中强调技术领导力和业务结合能力，展现“懂技术也懂业务”的素质
• 突出大模型相关项目经验，尤其是从0到1落地或性能优化的案例
• 强调技术管理经历，如团队规模、项目交付、技术决策等
• 展示金融行业背景，包括投资、保险、风险管理等项目经历
• 列出代表性论文或技术博客，体现前沿技术追踪能力
• 系统学习金融基础知识（投资组合、保险精算、风控模型），可通过CFA或相关课程
• 深入掌握LLM微调、RAG、Agentic框架等大模型应用技术

面试指南

• STAR法则（情境、任务、行动、结果）回答项目经验问题
• 技术问题采用“原理-方案-收益”结构，先讲技术原理，再提具体方案，最后强调业务收益
• 管理问题用“冲突描述-处理策略-结果反思”框架
• 请描述一个你主导的大模型项目，从设计到落地的全过程及挑战
• 如何平衡模型精度和推理速度？在金融场景中你会如何权衡？
• 你如何管理团队中的技术分歧？举例说明
• 你认为大模型在智能投顾中的核心应用场景有哪些？技术难点在哪？
• 你对Agentic开发和多模态模型在金融领域的潜力怎么看？