ATH事业群-无人零售行业算法专家-杭州/北京

优缺点分析

角色解读

• 深耕计算机视觉与多模态AI领域，成为垂直行业技术专家
• 向算法架构师或技术负责人方向发展，主导复杂系统设计
• 探索AI在零售等传统行业的创新应用，拓展技术影响力
• 研发无人零售场景下的用户购买行为识别算法，融合传统视觉与多模态大模型技术
• 搭建并优化从目标检测、商品识别到交易事件判定的完整技术链路，提升识别准确率和工程鲁棒性
• 处理异常场景，构建数据回流和模型评估机制，持续迭代算法性能
• 参与线上部署和性能调优，平衡算法效果、推理成本与响应延迟
• 扎实的计算机视觉和深度学习基础，熟悉目标检测、跟踪、分割等任务
• 多模态大模型落地经验，掌握SFT、DPO等后训练算法的开发与调优
• 强工程实现能力，精通Python、PyTorch及大模型训练框架如ms-swift、verl
• 良好的业务理解和跨团队协作能力，能围绕业务指标推动优化

申请策略

• 研究阿里巴巴在无人零售或智能零售领域的业务案例和技术文章，展现对业务的理解
• 准备一个算法从研发到上线的完整项目案例，突出问题定义、方案设计、优化迭代和效果评估
• 突出无人零售、智能零售或相关视觉识别项目的算法研发经验
• 详细描述多模态大模型（如视频理解、VLM）的落地案例，强调SFT、DPO等技术应用
• 强调Python和PyTorch工程能力，以及大模型框架（ms-swift、verl）的使用经验
• 展示跨团队协作经历，如何推动算法优化并提升业务指标
• 深入学习多模态大模型技术，特别是视频理解与视觉语言模型方向
• 练习目标检测、跟踪等计算机视觉任务的实战项目，巩固基础

面试指南

• 使用STAR法则（情境、任务、行动、结果）结构化回答，突出技术选型和业务价值
• 强调技术方案的权衡考量，如精度与效率的平衡，并展示实际数据或指标
• 展示对算法优化和工程落地的深入理解，包括数据、模型、部署的全流程
• 请描述一个你在无人零售或类似场景中优化识别算法的项目，遇到的挑战和解决方案
• 如何将多模态大模型与传统视觉能力结合，以提升复杂场景下的识别性能？
• 面对异常场景（如遮挡、光线变化），你如何设计检出和兜底机制来保证稳定性？
• 在工程部署中，如何平衡算法效果、推理成本和响应延迟？请举例说明
• 你熟悉哪些大模型训练框架？ms-swift和verl在应用中有什么特点或优势？