Token Foundry-多模态生成算法专家/高级专家-杭州/北京

优缺点分析

角色解读

• 可向多模态大模型技术专家、首席科学家方向发展，引领下一代人工智能核心技术演进
• 或转型为AI技术团队负责人，带领团队攻克大模型领域的关键难题并推动业务商业化落地
• 负责多模态生成大模型的核心算法研发，涵盖预训练、后训练（如RLHF）及数据管线设计
• 跟踪前沿技术并推动其在实际业务场景中的落地与优化，解决大模型训练与应用中的复杂工程与算法难题
• 需具备扎实的机器学习与深度学习基础，精通扩散模型、自回归模型等生成式AI技术
• 拥有解决大模型训练复杂问题的能力及出色的科研创新能力，能在多模态、CV或NLP等至少一个领域有深入研究

申请策略

• 提前了解公司通义大模型系列的技术路线与业务应用，在面试中展现对公司技术生态的理解与思考
• 重点突出在扩散模型、自回归模型或多模态生成领域的顶会论文或核心项目经验
• 展示在大模型预训练、RLHF后训练或高效数据管线设计方面的实际落地成果与性能指标提升
• 深入理解最新一代多模态大模型架构背后的技术原理，提升在大规模分布式训练和强化学习方面的工程实践能力
• 关注多模态生成理解统一及高效生成方向的最新学术进展，培养跨模态的技术视野

面试指南

• 采用STAR法则，重点突出在复杂算法问题上的创新思路、工程实现细节以及最终带来的业务或技术指标提升
• 在回答技术对比或架构设计问题时，先阐述核心原理，再结合实际项目经验说明选型依据与优化手段
• 请详细介绍你在多模态生成或大模型后训练（如RLHF）中解决过的最复杂的技术难题
• 针对扩散模型和自回归模型在多模态生成中的优劣，你有什么见解？
• 如何设计高效的数据管线来提升多模态大模型的训练效率与质量？
• 在大规模生成基础模型预训练中，你如何平衡模型性能与计算资源消耗？
• 复习多模态大模型的最新前沿论文，准备好自己过往项目的深度技术复盘，确保能应对底层原理的深挖
• 思考大模型在具体业务场景中的落地方案，准备1-2个具有建设性的技术优化提案