AI算法与软件

优缺点分析

角色解读

• 可从算法工程师成长为LLM/大模型方向技术专家，深入训练、对齐与推理优化
• 也可向AI平台架构、算法团队负责人或工业互联网AI产品技术方向发展
• 在工业场景落地中积累跨算法与软件工程的复合经验
• 围绕大语言模型开展预训练、SFT与RLHF/DPO策略研究和落地
• 针对垂直业务优化模型效果，处理幻觉、长上下文和逻辑推理问题
• 研究模型压缩、量化与推理加速，并参与业务软件开发与平台研究
• 扎实的机器学习/深度学习基础，理解Transformer、CNN、RNN、GBDT等模型
• 熟练使用Python/C++/Java至少一门语言，具备工程化开发能力
• 了解LLM训练与对齐流程，具备模型优化或智能体/大模型项目经验更佳
• 良好的沟通协作能力，能把算法研究与业务场景结合

申请策略

• 投递时主动向HR确认工作城市、汇报团队与业务场景
• 了解徐工汉云工业互联网与大模型结合方向，准备针对性问题
• 突出LLM预训练、SFT、RLHF/DPO相关项目与具体指标提升
• 展示Python/C++/Java工程能力，以及模型压缩、量化、推理加速经验
• 量化说明解决幻觉、长上下文或逻辑推理问题的案例
• 补充智能体、平台型产品或工业业务场景的落地经验
• 系统梳理Transformer、LLM训练对齐与评测方法
• 准备模型量化、蒸馏、推理加速的实践案例

面试指南

• 用STAR结构讲清项目背景、目标、技术方案与量化结果
• 面对优化类问题，先定位瓶颈，再对比方案取舍与实验验证
• 业务落地问题从场景价值、数据、评测、工程成本四方面回答
• 请介绍你做过的大模型预训练/SFT/RLHF项目及效果
• 如何缓解大模型幻觉、长上下文理解与逻辑推理问题？
• 你做过哪些模型压缩、量化或推理加速优化？
• 如何把大模型能力落地到工业互联网业务场景？
• 你如何与业务团队协作完成算法到软件的交付？