淘天算法技术-生成式推荐/大模型应用算法专家-杭州*

优缺点分析

角色解读

• 从大模型应用算法工程师向算法专家或架构师发展，深入电商核心推荐与搜索业务
• 未来可带领技术团队或负责更大规模的AI业务线，成为行业内的AI技术领军人物
• 设计并落地基于大模型的AI导购方案，优化用户多模态意图分析与推理能力
• 构建商品理解知识库与个性化AI对比总结能力，提升电商购物决策效率
• 跟进LLM/MLLM前沿技术，将SOTA能力集成至模型底座，提升下游任务效果
• 精通NLP、机器学习及大模型（Dense/MoE/多模态/推理/Agent）原理
• 熟练使用llama-factory、megatron等大模型框架，具备SFT、RL等调优经验
• 具备优秀的业务理解与问题拆解能力，能通过数据分析定位痛点

申请策略

• 提前体验淘天集团的AI导购产品，思考现有方案的优化空间，准备能体现问题拆解能力的业务案例
• 突出在大模型微调（SFT/RL）、推理加速及Agent方面的实际项目经验与工程落地能力
• 强调在搜索、推荐或广告等核心业务中的算法落地成果及业务指标提升数据
• 展示多模态数据处理与意图分析的相关经验，体现对复杂业务场景的理解
• 深入学习大模型在线推理加速技术（如vLLM、TensorRT-LLM）及分布式训练框架
• 熟悉强化学习（RLHF/RLAIF）在推荐系统中的应用，了解电商导购场景的业务逻辑

面试指南

• 使用STAR法则（情境、任务、行动、结果）清晰描述项目经验与业务收益
• 技术深度上，从算法原理、工程实现、业务Trade-off三个维度展开回答
• 请详细介绍你在大模型SFT或RL调优中遇到的最大挑战及解决方案？
• 针对Session实时意图感知，如何设计多模态异构行为序列的表征与推理方案？
• 大模型在线推理加速有哪些常用策略？如何在延迟和效果之间做Trade-off？
• 结合电商场景，谈谈如何利用大模型提升多商品对比挑选的决策效率？
• 复习大模型核心原理（Transformer、MoE、RLHF等）及主流框架（Megatron、llama-factory）的底层逻辑
• 了解淘天近期在AI导购、大模型应用方面的产品动态和技术博客，准备相关的业务思考