供应链产品技术部-多模态算法专家-杭州

优缺点分析

角色解读

• 在技术深度上，可成为多模态大模型领域的专家，主导核心模型架构设计与创新
• 在业务广度上，可深入供应链各环节，成长为懂业务、懂算法的复合型人才
• 在团队管理上，有机会带领算法团队，负责更大范围的业务目标与技术方向
• 负责供应链场景下多模态数据（图像、文本、视频）的分析与建模，解决商品理解、核价审核、虚假签收识别等核心业务问题
• 参与视觉-语言大模型（VLM/MLLM）的架构设计、训练与优化，构建供应链多模态智能体系
• 将前沿算法落地到电商供应链实际业务中，推动审核效率、预测准确率等业务指标的提升
• 扎实的深度学习基础，熟练掌握 Python 和 PyTorch/TensorFlow 框架，具备大规模分布式训练经验
• 深入理解主流多模态模型（如 CLIP、BLIP、LLaVA、Qwen-VL）的架构与训练方法
• 熟悉视觉理解任务（图像分类、目标检测、OCR、文档理解）和自然语言处理基础
• 具备业务抽象能力，能将复杂业务问题转化为可训练的算法任务

申请策略

• 在简历中强调业务成果，用数据量化算法带来的效率提升或成本优化
• 了解淘天集团供应链业务，特别是 Fashion88、淘工厂等场景，在面试中展现业务洞察
• 重点突出多模态大模型（VLM/MLLM）相关的项目经验，包括模型架构设计、训练优化、推理部署等
• 强调在电商、供应链或相关业务场景中，将算法落地并产生业务价值的案例
• 展示大规模分布式训练、数据处理（Spark/Hadoop/Flink）等工程能力
• 如有顶级会议或期刊论文，务必突出，这是加分项
• 深入理解主流多模态模型（如 Qwen-VL、LLaVA）的源码与训练细节
• 补充供应链或电商业务知识，了解商品理解、价格审核等场景的痛点

面试指南

• STAR 法则：清晰描述项目背景、任务、行动和结果，突出个人贡献和量化成果
• 技术深度 + 业务价值：在回答技术问题时，不仅要讲清楚技术方案，还要说明其如何解决业务问题，带来什么价值
• 结构化表达：对于开放性问题，采用“总-分-总”的结构，先给出核心观点，再分点阐述，最后总结
• 请详细介绍一个你主导的多模态大模型项目，包括模型选型、训练过程、遇到的挑战及解决方案
• 如何将 VLM 应用到商品审核场景？请描述你的技术方案和评估指标
• 在处理海量图文数据时，如何设计高效的数据处理 pipeline？
• 如何评估一个多模态模型在供应链业务场景中的效果？
• 你对 VLM/MLLM 的未来发展趋势有何看法？