AI算法及研发方向

优缺点分析

角色解读

• 从算法工程师向高级算法专家或AI架构师发展
• 可向大模型产品经理或技术管理方向转型
• 在中国电信体系内可参与国家级或集团级重点项目，积累产业落地经验
• 使用大模型开发工具（如LangChain等）结合向量数据库和提示词优化实现产品核心功能
• 负责大模型在垂直领域的精调/微调，设计评估方法提升模型性能
• 与团队协作解决大模型产业落地中的算法和技术难题
• 跟踪前沿技术，参与大模型产品落地和基于反馈的算法调优
• 熟练掌握大模型原理、精调（Fine-tuning）和提示词工程
• 熟悉向量数据库（如FAISS、Milvus）和检索增强生成（RAG）
• 具备Python编程和深度学习框架（PyTorch/TensorFlow）实战经验
• 熟悉机器学习、NLP基础，具备算法评估与调优能力

申请策略

• 了解中国电信在AI和云网融合方面的业务，在面试中展现对行业应用的理解
• 关注招聘流程，国企招聘通常有笔试和结构化面试，需提前准备
• 突出大模型相关项目经历，如预训练、精调、RAG、Agent开发等
• 强调算法能力与工程实现能力，展示可量化的性能提升（如准确率提升）
• 如有论文、竞赛、开源项目、专利等加分项，务必体现
• 说明对AIGC、垂直领域大模型应用的思考或研究成果
• 系统学习大模型精调技术（LLaMA-Factory、PEFT、LoRA）
• 熟悉常用向量数据库（Milvus、Weaviate）和检索增强流程

面试指南

• 按照‘背景-任务-动作-结果’的STAR结构回答项目经历，突出你的技术选型和思考过程
• 对于理论题，先阐述核心概念，再结合项目实践说明应用，最后总结优缺点
• 针对业务场景题，可先拆解问题，再提出可行的技术方案，并说明预期效果和风险
• 请介绍你参与过的LLM精调项目，采用了哪些方法？效果如何衡量？
• 在实现RAG时，如何选择向量数据库并优化检索质量？
• 大模型在垂直行业落地会遇到哪些挑战？如何解决？
• 你如何设计大模型的评估体系？
• 你了解中国电信的哪些AI业务？