Token Foundry-技术专家-模型工程-ModelScope魔搭

优缺点分析

角色解读

• 在阿里云和ModelScope平台，可成长为AI开源领域的专家，主导大型开源项目的设计与演进
• 有机会深入AI前沿技术（如Agent、多模态），成为领域内的技术领军人物
• 可向技术管理方向发展，带领团队推动AI生态建设，或转向更广泛的AI Infra架构方向
• 围绕ModelScope生态，开发大模型（LLM、多模态、Diffusion）落地的开源工具链，包括训练、微调、评估、部署等环节
• 探索强化学习、Agent系统、持续学习等前沿技术，并推动其在魔搭平台的服务化落地
• 参与跨部门、跨公司及全球开源社区协作，推动AI模型生态的发展和推广
• 扎实的编程能力，精通Python、Rust等语言，熟悉PyTorch、Transformers等深度学习框架
• 对大模型训练微调（SFT、RL）、评估、Agentic生态有深入理解，熟悉vLLM、Sglang、Megatron等推理和训练框架
• 具备良好的工程架构设计能力，能独立解决复杂技术挑战，有开源社区经验者优先

申请策略

• 在简历和面试中展示对ModelScope、HuggingFace等开源社区的深度参与和理解
• 准备一个能体现你从模型训练到部署全链路工程能力的项目案例
• 突出大模型训练、微调（SFT、RLHF）的项目经验，并注明使用的框架（如Megatron、Transformers）
• 强调在开源社区（如ModelScope、HuggingFace）的贡献，包括开源项目、PR或Issue
• 展示在AI Infra、模型部署、推理优化等方面的工程实践，体现架构设计能力
• 深入掌握vLLM、Sglang等推理框架的原理和使用，了解其性能优化方法
• 熟悉Agent、RAG等大模型应用生态，了解主流框架（如LangChain、LlamaIndex）
• 提升Rust编程能力，了解其在AI工具链中的应用

面试指南

• 对于技术深度问题，采用STAR法则，清晰描述背景、任务、行动和结果，突出技术难点和解决方案
• 对于架构设计问题，从需求分析、技术选型、模块划分、性能考量等维度进行阐述，体现系统化思维
• 对于开源生态问题，结合具体项目经验，阐述对开源社区的理解、贡献和思考
• 请详细描述你在大模型训练或微调（SFT、RLHF）方面的项目经验，遇到的主要挑战是什么？
• 如何设计一个高效的模型推理服务？请谈谈vLLM或Sglang的原理和优化策略
• 你如何理解Agent系统？请描述一个你设计的Agent应用及其架构
• 在开源项目中，你如何平衡技术探索和工程稳定性？
• 如何评估一个开源工具链的易用性和性能？