顶尖应届-垂域Agentic大模型算法工程师-AI实验室

优缺点分析

角色解读

• 从算法研究员成长为垂域大模型专家，主导核心技术突破
• 可向AI技术经理或首席科学家方向发展，负责实验室技术战略
• 有机会转向产品化落地，成为AI解决方案架构师
• 负责垂域Agentic大模型的迭代优化，包括知识注入、强化微调、多模态对齐等模型优化工作
• 结合工业和汽车质量场景，提升模型推理准确率，降低幻觉，实现专家级诊断能力
• 跟踪大模型前沿技术，在业务中应用落地并持续优化，同时输出高质量技术文章
• 扎实的深度学习和LLM理论基础，熟悉预训练、指令微调、PPO/DPO/GRPO等强化微调技术
• 精通TensorFlow或PyTorch，具备模型优化实践经验
• 熟悉Agentic RL、Agentic Memory等主流研究方向，并有探索或落地经验者优先
• 具备使用AI编程工具（如Claude Code、Cursor）进行高效开发的能力

申请策略

• 面试前深入了解小米AI实验室的业务方向，尤其是汽车AI应用
• 准备1-2个自己主导的大模型优化案例，用数据展示效果提升
• 突出大模型相关的项目经验，尤其是Agent、RL、多模态等方向的实际落地案例
• 强调顶会论文发表或预印本，展示研究深度
• 写明TensorFlow/PyTorch等框架的使用熟练度，以及PPO/DPO等模型的调优经验
• 如果使用过AI编程工具（如Cursor），请单独列出
• 系统学习Agentic RL和Harness评估框架，动手复现相关论文
• 熟悉大模型推理优化技术（如vLLM、量化），提升工程能力

面试指南

• 针对技术对比类问题，先明确概念定义，再阐述关键差异，最后结合自身经验举例
• 对于开放性问题（如前景、挑战），采用“背景-问题-方案-总结”的结构，展现思考深度
• 请详细描述你参与过的一个大模型微调项目，包括技术选型和效果评估
• PPO和DPO的核心区别是什么？在垂域应用中如何选择？
• 如何评估和降低大模型的幻觉？请结合具体场景说明
• Agent中的记忆机制如何设计？你了解的Memory结构有哪些？
• 你对Agentic RL的前景怎么看？在工业场景中落地有哪些挑战？
• 复习强化学习基础（PPO、DPO、GRPO等），准备1-2个自己动手调优的案例