阿里健康--AI算法工程师（NLP）-北京

优缺点分析

角色解读

• 技术专家路线：成为大模型应用领域的资深专家，主导前沿技术攻关
• 架构师路线：负责整体AI系统架构设计，统筹多个业务线的算法落地
• 管理路线：带领算法团队，推动技术创新与业务价值的深度融合
• 负责大模型在垂直领域（健康商品知识）的应用落地，构建语义层和知识库
• 设计并实现基于大模型的智能体（Agent）系统，处理复杂任务规划和SQL生成
• 进行模型微调（SFT）、强化学习及评测体系搭建，优化模型性能
• 解决业务中的疑难问题，提升数据分析的准确性和可解释性
• 扎实的NLP理论基础，精通Transformer架构及大模型训练原理
• 具备Agent系统设计经验，熟悉ReAct、Tool Calling、Task Planning等范式
• 熟练掌握Text-to-SQL、Data Agent等具体应用场景的技术实现
• 具备SFT、RLHF等模型调优实战经验，有高质量论文或开源项目加分

申请策略

• 准备详细的项目复盘，清晰阐述技术选型理由、难点攻克过程及最终效果
• 关注阿里健康在医疗AI领域的最新动态，展现对业务的理解
• 突出大模型相关项目经验，特别是SFT、RLHF等调优细节
• 重点展示Agent系统设计、Text-to-SQL或Data Agent的具体落地案例
• 如有ACL/AAAI等顶会论文或高Star开源项目，务必显著标出
• 强调解决复杂业务问题的能力和结果导向的思维
• 深入研究LangChain、LlamaIndex等主流Agent框架及其底层原理
• 加强Text-to-SQL领域的最新SOTA方法学习与实践

面试指南

• STAR法则：情境-任务-行动-结果，重点突出个人贡献和技术亮点
• 对比分析：说明不同技术方案（如Prompt Engineering vs Fine-tuning）的优劣及选择依据
• 数据驱动：用具体的指标（如准确率、Latency、Cost）证明方案的有效性
• 深度思考：展示对技术局限性的认知及未来改进方向
• 请详细介绍你做过的大模型微调（SFT/RLHF）项目，遇到了哪些挑战？如何解决的？
• 在设计Agent系统时，如何处理任务规划的复杂性和错误恢复？
• Text-to-SQL场景中，如何解决Schema链接不准和SQL语法错误的问题？
• 如何评估大模型在垂直领域（如医疗）的表现？有哪些评测指标？