日常实习生-1688-大模型应用算法

优缺点分析

角色解读

• 实习表现优秀可转正为正式算法工程师，参与核心业务算法研发
• 可深入大模型应用方向，积累RAG、Agent等前沿经验，成为领域专家
• 未来可向技术专家或技术管理方向发展
• 参与大模型在B端业务场景的应用研发，包括Prompt工程、RAG检索增强生成、Agent工作流编排等
• 负责意图理解、语义检索排序、多轮对话及任务规划等算法模块的开发和优化
• 与工程、产品团队协作，进行Badcase分析、评测集建设，推动算法效果落地
• 熟悉Transformer和LLM基础原理，了解SFT/RLHF/RAG/Agent等主流技术
• 扎实的Python编程能力，熟悉LangChain、LlamaIndex等至少一种框架
• 具备工程落地意识，能独立完成需求拆解、方案设计、实验验证和效果归因

申请策略

• 在简历中附上相关项目代码链接（如GitHub），增加可信度
• 了解阿里巴巴1688业务，思考大模型在B2B场景的应用可能性
• 突出自然语言处理、机器学习相关的项目经历，特别是涉及大模型、RAG、Agent的项目
• 强调Python编程能力和常用框架的使用经验，如LangChain
• 展示对产品的理解，如体验过竞品并提出改进方案
• 如有论文、比赛获奖或开源贡献，也应提及
• 提前熟悉Prompt工程、RAG、Agent等概念，并动手实践一个简单项目
• 深入学习Transformer架构和LLM原理，了解SFT、RLHF的基本流程

面试指南

• 用STAR法则描述项目经历：情境、任务、行动、结果，突出技术难点和你的贡献
• 对于原理问题，从基本概念出发，结合具体例子说明，展示深度理解
• 对于应用问题，强调工程落地思维，说明如何权衡效果和资源
• 请介绍一个你使用大模型完成的项目，遇到什么问题？
• RAG的原理是什么？如何优化检索效果？
• Agent工作流中如何设计工具调用？
• 如何评估大模型应用的效果？
• 你对SFT和RLHF的理解？