人工智能算法工程师（郑州）(J13627)

优缺点分析

角色解读

• 技术专家路线：深耕AI智能体算法，成为公司内部该领域的技术权威和架构师
• 技术管理路线：带领小规模算法团队，负责AI智能体相关项目的整体技术规划与落地
• 转向AI应用架构师：结合业务理解，设计更宏观的AI系统解决方案
• 研发并实现由大模型驱动的AI智能体核心算法，涵盖决策、感知、记忆和工具使用
• 针对具体业务场景进行模型选型与适配，并构建和优化智能体所需的知识库
• 设计智能体的性能评估体系，并根据评估结果持续优化算法和系统架构，提升实际效果
• 跟踪学术界与工业界在大模型和智能体领域的最新进展，并探索其在产品中的应用潜力
• 扎实的深度学习和强化学习（如RLHF）理论基础与实践经验
• 熟练掌握主流大语言模型（如GPT， LLaMA）的原理、微调及优化技术
• 具备完整的智能体系统开发经验，熟悉其架构设计（如CoT， Self-Refine）及关键模块实现
• 精通PyTorch等训练框架，并有分布式训练或模型部署优化经验

申请策略

• 在投递前，可以调研中科曙光在AI领域（特别是智慧城市、科学计算等行业应用）的公开信息或产品，思考其智能体技术可能的应用场景
• 面试时，除了展示技术深度，也要体现出良好的沟通能力和将技术转化为商业价值的潜力
• 详细描述参与或主导的大模型微调、优化项目，突出使用的技术（如LoRA， RLHF）和取得的指标提升
• 列举构建智能体系统的具体经验，说明其中负责的模块（如规划、记忆、工具调用）和架构设计
• 强调在分布式训练、模型压缩或推理优化方面的实践，体现工程化能力
• 如有相关领域的学术论文或技术博客，务必在简历中突出展示
• 系统性地梳理主流AI智能体框架（如LangChain， AutoGen， MetaGPT）的设计原理和代码实现
• 深入研究智能体评估方法，了解如何构建公平、有效的Benchmark

面试指南

• 对于技术方案设计题（如智能体设计），采用‘背景-目标-方案选择-架构设计-评估与迭代’的结构回答，突出你的系统性思考和对不同技术路线的权衡能力
• 对于项目经验题，使用STAR法则（情境、任务、行动、结果）清晰陈述，并强调你在其中扮演的具体角色、使用的技术细节以及最终的量化成果
• 对于开放性讨论题（如技术瓶颈、发展方向），展现你的技术视野和批判性思维，可以从学术进展、工程挑战和应用落地三个维度展开
• 请描述一个你主导设计的智能体系统架构，其中最难解决的技术挑战是什么，你是如何应对的？
• 如果让你为一个新场景（如‘智能客服’或‘代码助手’）设计一个AI智能体，你会如何进行模型选型和架构设计？
• 在大模型的微调或优化中，你更倾向于使用哪种方法（如全参数微调、LoRA、RLHF）？请结合一个具体项目说明原因
• 你如何看待当前AI智能体技术的主要瓶颈？你认为未来最有潜力的发展方向是什么？
• 你为什么对中科曙光的这个AI算法岗位感兴趣？你认为你的哪些经验与我们当前的需求最匹配？