数据技术及产品部-后端研发工程师-大模型标注平台开发

优缺点分析

角色解读

• 在技术深度上，可以深入大模型标注、智能标注等前沿领域，成为AI基础设施专家
• 在职业发展上，有机会晋升为技术专家或团队负责人，带领团队负责更大规模的平台建设
• 横向发展可转向AI平台架构师、数据平台负责人等岗位，拓展技术视野
• 负责大模型标注平台的后端开发，包括全模态（文本、图片、视频、音频）标注能力的建设与完善
• 开发智能标注功能，利用LLM和多模态模型实现自动标注，并构建基于标注平台的agent框架
• 参与专家标注平台的建设，将智能标注能力迁移到专家平台，提升标注效率和质量
• 精通Java技术栈，包括Spring、多线程、MyBatis、Maven等，具备扎实的后端开发能力
• 熟悉Python编程，掌握Linux命令和容器技术（如Docker），能够进行脚本编写和系统操作
• 了解代码评测技术，有SWE-bench等benchmark使用经验，熟悉代码评测架构和数据规范
• 具备复杂高并发系统的设计和开发经验，能够应对大规模数据处理和平台稳定性挑战

申请策略

• 了解阿里巴巴的业务和技术栈，在面试中展现对AI基础设施的热情
• 准备一个高并发系统设计的项目案例，详细说明设计思路和难点解决
• 突出Java后端开发经验，特别是高并发系统设计项目，展示系统架构能力和性能优化成果
• 强调Python使用经验，以及容器技术（如Docker）的实际应用
• 如果有代码评测相关经验（如SWE-bench），务必详细描述，这是加分项
• 展示对LLM、多模态等AI技术的理解和项目实践
• 提前学习大模型标注相关技术，了解主流标注平台和工具
• 熟悉代码评测benchmark（如SWE-bench）的使用和原理

面试指南

• 对于系统设计问题，采用STAR法则：情境、任务、行动、结果，突出技术选型和架构决策
• 对于技术理解问题，结合项目经验，从原理到实践，展示深度和广度
• 对于学习能力问题，强调主动学习和实践，举例说明如何应用新技术解决问题
• 请介绍你参与过的一个高并发系统设计，如何保证性能和稳定性？
• 你对大模型标注平台有什么理解？如何设计智能标注功能？
• 你使用过SWE-bench吗？请谈谈代码评测的流程和挑战
• 如何优化Java应用的性能？请举例说明
• 你如何学习新技术？请分享一个你快速掌握新技术的经历