业务技术-AI Agent 后训练专家-杭州

优缺点分析

角色解读

• 可成长为大模型应用层架构师或AI平台技术负责人，向更底层的模型预训练或更上层的Agent应用生态拓展，成为兼具算法深度与工程广度的复合型专家
• 负责构建和优化企业级Agent平台的后训练技术体系，利用SFT、RLHF等算法提升模型在特定业务场景下的表现
• 设计数据飞轮机制，实现模型能力的自动化迭代与持续升级
• 将复杂的后训练技术封装为平台化能力，降低业务方使用门槛
• 精通Python/Java等编程语言，深入掌握SFT、RLHF、DPO、PPO等主流大模型后训练算法
• 具备从数据集构建、训练方案设计到效果评估的全链路实战经验
• 拥有良好的逻辑思维能力和团队协作精神，熟悉开源社区文化

申请策略

• 关注淘天集团的业务方向，了解其AI应用场景
• 准备具体的项目案例，清晰阐述算法选择依据、实验设计及最终收益
• 展现对开源社区的贡献或热情
• 重点突出LLM后训练相关的项目经验，特别是SFT/RLHF/DPO的具体实施细节和量化效果
• 展示数据飞轮构建能力，强调如何通过自动化迭代提升模型性能
• 体现工程落地能力，如平台化封装、多场景适配等
• 深入研究最新的大模型对齐技术论文（如DPO变体、RLVR等）
• 加强分布式训练框架（如DeepSpeed、Megatron-LM）的使用经验

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目经历
• 重点突出技术选型的思考过程、遇到的难点及解决方案、以及最终带来的业务价值（如效率提升、成本降低、效果指标改善）
• 请详细介绍你过往项目中使用的后训练算法（如RLHF/DPO）的原理及优缺点
• 如何设计一个高效的Agent数据飞轮？在实际业务中遇到了哪些挑战？
• 面对不同业务场景（如对话理解vs任务规划），如何定制优化策略？
• 如何评估Agent的效果？自动化评测与人工评测如何结合？
• 复习大模型基础理论及最新进展，特别是后训练领域的SOTA方法
• 梳理过往项目中的关键数据和指标