业务技术-Agent应用算法工程师-供给智能

优缺点分析

角色解读

• 在阿里巴巴这样的大平台，可以接触到最前沿的大模型技术，快速成长为 AI 领域的专家
• 有机会发表论文、申请专利，提升个人学术影响力
• 可以沿着技术专家或技术管理两条路径发展，成为团队的核心骨干
• 主导基于大模型的 AI Agent 全生命周期研发，包括架构设计、数据构建、模型训练与评测
• 运用 SFT、RL 等训练方法，提升大模型在自主规划、多步推理、RAG 增强生成、工具调用等能力
• 构建 Agent RL 所需的环境与训练方法，设计 Reward Function 和优化函数，探索无人类专家依赖的优化方案
• 跟踪 LLM 与 Agent 领域前沿技术，推动技术创新在业务场景中的落地应用
• 精通 Python 及 PyTorch/TensorFlow 等深度学习框架
• 深入理解 Transformer 架构、SFT/RL 训练范式及 Prompt 工程
• 熟悉 MoE 模型架构设计和原理，有预训练或强化学习实操经验
• 了解 LangChain、AutoGen 等 Agent 开发框架，有完整智能体系统搭建经验

申请策略

• 了解阿里巴巴淘天集团的业务方向，特别是供给智能相关的应用场景
• 在面试中展示对技术创新的热情和工程落地的能力，强调学术与业务的结合
• 重点突出大模型、Agent、强化学习相关的项目经验，特别是 SFT、RL 训练的实际操作
• 强调 MoE 模型、Qwen、Llama 等模型二次开发的经验，以及使用 Verl、ROLL 等框架的实践
• 展示论文发表、顶会经历或开源项目贡献，体现学术创新能力
• 深入理解 Transformer 架构和 MoE 模型原理，掌握 SFT、RL 训练范式
• 熟悉 LangChain、AutoGen 等 Agent 开发框架，动手搭建完整的智能体系统
• 关注 LLM 与 Agent 领域的最新论文和技术动态，保持技术敏感度

面试指南

• 回答项目经验时，采用 STAR 法则，突出你在其中的角色、技术难点和最终成果
• 回答技术问题时，先阐述基本原理，再结合具体案例说明你的实践经验和思考
• 回答开放性问题时，展现你的逻辑思维和创新能力，提出有依据的解决方案
• 请详细介绍一个你主导的 Agent 项目，包括架构设计、训练方法和效果评估
• 如何设计一个有效的 Reward Function 来引导模型在垂直领域内泛化？
• 在 SFT 和 RL 训练中，你如何处理数据质量问题和模型过拟合？
• 如何评估一个 Agent 系统的性能？你会设计哪些评测指标？
• 谈谈你对 MoE 模型架构的理解，以及它在 Agent 场景中的应用