【2027】AI应用开发工程师-郑州(J14192)

优缺点分析

角色解读

• 可向AI算法专家、大模型架构师或AI技术总监方向发展，深耕底层技术与模型优化
• 也可转型为AI产品技术负责人，主导AI商业化落地与智能体应用生态建设
• 负责大模型及热点AI模型的适配、优化与工程化落地，提升模型在实际业务中的效果
• 调研前沿AI技术并结合实际业务场景提供技术解决方案，推动AI应用方向落地
• 跟踪模型应用效果并为用户提供技术支持，保障AI应用开发流程的顺畅
• 熟练掌握Python/C++等编程语言及Linux系统，具备扎实的算法程序开发能力
• 精通PyTorch等深度学习框架及LLM、多模态大模型，熟悉AI前沿技术趋势
• 具备模型部署、容器化及工程化建设经验，能够将研究成果转化为实际产品

申请策略

• 提前了解中科曙光在算力基础设施和AI大模型方面的业务布局，面试时可结合其算力平台谈谈模型部署与优化的见解
• 突出在大模型微调、部署及智能体应用方面的实际项目经验，展示具体的优化成果
• 强调使用PyTorch等框架进行模型优化、推理加速和容器化部署的工程化能力
• 体现对前沿AI技术的跟踪能力，如参与过开源社区贡献或复现过最新顶会论文
• 深入学习主流大模型的推理加速技术（如vLLM、TensorRT）及量化部署方案
• 了解LangChain等智能体开发框架及主流AI平台的使用，提升端到端应用开发能力

面试指南

• 采用STAR法则，重点突出在模型优化、推理加速或工程化部署中的具体技术手段（如量化、KV Cache优化、算子融合等）以及最终带来的业务指标提升
• 请介绍一个你主导或深度参与的大模型适配与优化项目，遇到了哪些技术难点？
• 在模型部署和容器化过程中，你是如何保证服务的高可用和推理性能的？
• 如何跟踪和评估前沿AI技术，并将其转化为实际业务场景中的解决方案？
• 针对多模态模型或LLM，你做过哪些具体的效果提升工作？
• 复习深度学习基础及大模型相关前沿技术（如RAG、Agent、微调技术）
• 准备1-2个完整的AI应用落地项目案例，能够清晰阐述从调研、开发到部署的全流程