智能对话工程师

优缺点分析

角色解读

• 从算法工程师向技术专家或架构师方向发展，成为大模型领域的领军人物
• 有机会晋升为技术团队负责人，带领团队攻克技术难题
• 在阿里巴巴的平台，可接触海量真实业务场景，积累丰富的落地经验
• 优化大模型在知识应用、工具调用和对话流控制上的能力，提升系统回复与决策的准确率
• 研发知识、规则与大模型深度融合的技术，如RAG和知识推理，提升对话回复的准确度
• 建立科学的评测体系，设计数据闭环系统，利用真实用户反馈持续优化模型
• 精通PyTorch等主流深度学习框架，具备极强的动手和代码能力
• 熟悉分布式训练（如DeepSpeed、Megatron）及模型推理加速
• 研究方向聚焦大模型、智能体系统、强化学习、持续学习等

申请策略

• 了解阿里巴巴的AI业务布局，特别是对话智能体方向
• 准备项目案例，展示如何将复杂算法转化为实际业务方案
• 突出在顶级会议（如NeurIPS/ICML/ICLR/ACL）发表的论文，展示研究深度
• 强调在分布式训练、模型推理加速等方向的实战经验
• 展示在知名开源项目或竞赛中的优异成绩，体现动手能力
• 深入理解RAG、知识推理等前沿技术，并动手实践
• 熟悉强化学习、智能体系统，了解其在对话场景的应用
• 提升工程能力，掌握DeepSpeed、Megatron等分布式训练工具

面试指南

• 结合项目经验，突出技术难点和解决方案
• 从系统设计角度，阐述评测体系的设计思路和关键指标
• 强调实战经验，展示对工具和框架的熟练度
• 请介绍你在RAG或知识推理方面的项目经验
• 如何设计一个评测体系来衡量对话系统的能力？
• 在分布式训练中，如何解决模型并行和数据并行的挑战？
• 如何利用真实用户反馈来优化模型？
• 复习大模型、RAG、强化学习等核心知识