千问事业部-语音助手agent算法专家-杭州/上海

优缺点分析

角色解读

• 深耕Agent技术方向，成为领域专家，主导核心算法框架的演进
• 向技术管理方向发展，带领团队负责语音助手产品线
• 横向拓展至多模态、具身智能等前沿领域，保持技术广度
• 负责语音助手Agent核心能力建设，设计并优化Multi-agent算法框架与端到端Agent系统
• 深入研究LLM推理（思维链、多步推理）、RAG、长期记忆等技术，提升Agent智能水平
• 探索SFT、RL等算法并在业务场景中落地，解决实际业务问题，如记忆agent、GUI agent等
• 分析产品中的badcase，推动自动化发现和修复能力的落地
• 扎实的NLP和LLM基础，熟悉qwen、gemini等大模型，有对话系统建设经验
• 熟练掌握Python和Java，熟悉TensorFlow/PyTorch等深度学习框架
• 具备优秀的算法工程化能力，能独立设计系统架构并解决复杂问题
• 良好的沟通协作能力和持续学习的好奇心，能快速跟进技术前沿

申请策略

• 了解阿里千问事业部及语音助手产品方向，准备相关业务思考
• 提前准备一个端到端Agent项目的设计思路，体现问题解决能力
• 突出LLM对话系统或Agent相关项目经验，说明个人贡献和量化效果
• 强调工程化能力，如Python/Java编码、分布式训练、模型部署等实际经验
• 展示对前沿技术的跟踪和思考，如对RAG、ReAct、Multi-agent等有深入理解
• 补充强化学习（RL）和SFT相关实践，尤其是RLHF技术
• 熟悉Agent主流框架（如LangChain、AutoGen）和multi-agent设计模式
• 提升系统架构能力，了解高并发服务端设计

面试指南

• 从问题定义、技术选型、方案设计、实验评估和落地效果五步展开回答
• 结合具体案例，突出思考过程和trade-off，展现系统性思维
• 展示对技术前沿的跟踪和独立思考，体现学习能力
• 如何设计一个multi-agent系统来解决复杂任务？
• 你对RAG和长期记忆在Agent中的应用有什么理解？
• 如何提升LLM在特定业务场景中的推理能力？
• 你遇到过哪些badcase，是如何分析和解决的？
• 请谈谈你对SFT和RL在Agent训练中的区别和选择