AIGC研发工程师(J16908)

优缺点分析

角色解读

• 技术专家路径：深入钻研大模型特定领域（如多模态、Agent、RLHF等），成为AI算法或架构专家
• 技术管理路径：带领小团队负责AIGC技术方向，从纯技术研发转向技术规划、团队管理和项目交付
• 架构师路径：负责公司级AIGC平台或基础设施的设计与建设，关注高并发、高可用、成本优化的系统架构
• 负责大语言模型（LLM）的应用开发，包括使用LangChain、LlamaIndex等框架构建RAG、Agent等复杂AI应用
• 进行模型微调与优化，使用LoRA、SFT等技术针对特定业务场景（如text2sql）提升模型性能
• 处理非结构化文本数据，进行清洗、增强和知识构建，为大模型提供高质量训练和推理数据
• 负责将训练或微调好的模型部署到生产环境，并进行推理性能优化，确保服务稳定高效
• 扎实的Python编程能力和工程实践能力，能够独立开发和维护复杂的AI系统
• 熟悉主流NLP算法和大语言模型原理，有使用ChatGLM、通义千问、LLaMA等开源模型的实际经验
• 掌握LangChain、LlamaIndex等AI应用框架，并有项目落地经验
• 熟悉大模型微调（LoRA、SFT等）和推理优化技术，能解决实际业务中的模型效果与性能问题

申请策略

• 在面试前，研究新华三在AI和AIGC领域的产品或解决方案，了解其业务方向，以便在面试中展现你的思考和匹配度
• 准备一个能清晰阐述的个人AI项目，最好能覆盖从数据处理到模型应用部署的全过程，这将极大增加你的说服力
• 重点突出使用Python开发LLM应用（如RAG、Agent）的项目经验，并量化效果（如准确率提升、响应时间优化）
• 详细描述使用LangChain、LlamaIndex等框架进行二次开发的具体案例和技术难点解决过程
• 展示任何与模型微调（LoRA、SFT）相关的实践经验，即使是个人项目或研究成果
• 强调工程化能力，包括模型部署、性能优化、数据处理Pipeline构建等经历
• 系统学习并实操主流的AI Agent框架（如LangChain、AutoGen）和RAG技术栈（如向量数据库、Embedding模型）
• 深入研究至少一种大模型微调技术（如LoRA、QLoRA、SFT），并完成一个完整的微调实验项目

面试指南

• 使用STAR法则（情境-任务-行动-结果）来结构化描述你的项目经验，重点突出你的具体贡献和解决问题的思路
• 对于技术设计类问题，先阐述你的整体思路和原则，再分点说明关键步骤和技术选型理由
• 遇到不确定的技术问题时，坦诚说明你的思考方向和可能的探索路径，展示你的分析和学习能力
• 请描述一个你使用LangChain或类似框架构建RAG应用的项目，遇到了哪些挑战？如何解决的？
• 如果要将一个开源大模型（如ChatGLM）微调以更好地支持text2sql任务，你会设计怎样的数据构造和训练流程？
• 在大模型应用中，如何检测和缓解‘幻觉’现象？你有过哪些实践经验？
• 如何评估和优化大模型应用在生产环境中的性能（如延迟、吞吐量、成本）？
• 你如何看待AI Agent的技术前景？它在实际业务中落地的最大难点是什么？