淘天算法技术-大模型算法（Agent方向）-杭州

优缺点分析

角色解读

• 在阿里巴巴这样的大平台，可以深入大模型与Agent前沿技术，成为领域专家，参与核心算法研发
• 有机会向技术管理方向发展，带领团队负责更大规模的算法项目，影响亿级用户
• 积累电商场景的算法经验，未来可向AI产品、技术总监或创业方向发展
• 负责淘宝需求预测Agent的算法设计与优化，包括长程多轮推理、系统自进化机制，提升Agent在复杂交互场景下的决策能力
• 设计并实现电商场景下的多模态Memory系统，处理用户行为数据，实现精准记忆沉淀，支持个性化推荐
• 进行多模态行为序列压缩与跨场景统一模型的融合训练，优化推理效率，确保毫秒级延迟下的性能
• 扎实的计算机科学基础，熟悉Dense/MoE语言大模型和多模态大模型，具备较强的理论基础和实战经验
• 熟悉Agent主流架构，有Memory、Agentic RL等方向的实战经验，能够解决复杂交互问题
• 熟悉SFT、GRPO、OPD等Post-training技术，有实际业务应用经验，了解搜广推场景

申请策略

• 关注阿里巴巴的技术博客和开源项目，了解团队技术方向
• 准备项目案例，突出解决复杂问题的能力和创新思维
• 突出大模型、Agent、多模态相关的项目经验，尤其是实际业务落地案例
• 强调强化学习、SFT等Post-training经验，展示对模型优化的理解
• 展示在推荐、搜索等场景的算法应用，体现业务理解能力
• 深入学习Agent架构和Memory机制，了解最新研究进展
• 实践大模型微调，如SFT、LoRA，并尝试在具体任务中应用
• 了解电商推荐系统的基本原理，熟悉相关算法

面试指南

• 采用STAR法则，清晰描述项目背景、任务、行动和结果，突出技术难点和解决方案
• 结合具体案例，展示对算法原理的理解和实际应用能力
• 强调对业务场景的理解，以及技术如何服务于业务目标
• 请介绍你在大模型Agent方向的项目经验，如何设计Memory机制？
• 如何解决Agent在毫秒级延迟下的推理效率问题？
• 你如何理解多模态行为序列压缩？有哪些方法？
• 在电商场景中，如何利用大模型提升搜索推荐效果？
• 如何设计一个自进化机制来提升Agent的长期性能？