研究型实习生 - 存储系统非结构化海量数据 AI 检索中的关键技术研究

优缺点分析

角色解读

• 实习期间可深入接触前沿AI技术，积累多模态和LLM实战经验
• 表现优秀有机会转正，成为阿里巴巴正式员工，参与核心项目
• 未来可向AI算法工程师、研究科学家等方向发展，或转向技术管理岗位
• 负责多模态数据的解析与理解，包括视频、图片、文档、音频等，开发智能处理算法
• 构建基于LLM和VLMs的多模态RAG系统及Agent应用，提升数据检索和知识生成能力
• 探索AIGC创新解决方案，如图片、视频生成，推动技术落地
• 扎实的计算机视觉、NLP和多模态算法基础，熟悉RAG和LLM原理
• 熟练使用Python，掌握常见数据处理和机器学习库，如PyTorch、TensorFlow等
• 具备优秀的学习和问题解决能力，能快速掌握新技术
• 良好的沟通和团队协作能力，适应跨职能团队工作

申请策略

• 了解阿里巴巴智能存储团队的业务方向，在面试中展示对非结构化数据检索的兴趣
• 准备一个完整的项目案例，展示从问题定义到解决方案的完整过程
• 突出RAG系统搭建、LLM微调等项目经验，详细描述技术方案和成果
• 强调Python编程能力和机器学习库的使用，展示代码质量
• 如果有论文或开源贡献，务必列出，这是加分项
• 展示跨团队合作和沟通能力，用具体事例说明
• 提前学习多模态模型（如CLIP、BLIP）和LLM微调技术，动手实践RAG系统
• 熟悉PyTorch等深度学习框架，掌握数据处理和模型部署技能

面试指南

• 对于项目类问题，采用STAR法则：情境、任务、行动、结果，突出个人贡献和技术细节
• 对于设计类问题，先明确需求，再分模块阐述，如数据预处理、模型选择、索引构建、检索优化等
• 对于开放性问题，结合最新技术趋势，给出有深度的见解，并联系实际应用
• 请介绍你参与过的RAG系统或LLM微调项目，具体技术难点和解决方案是什么？
• 如何设计一个多模态检索系统？请描述整体架构和关键技术
• 你对多模态模型（如CLIP、BLIP）的理解？它们如何应用于实际场景？
• 请解释Transformer架构及其在NLP和CV中的应用
• 你如何看待AIGC的发展趋势？有哪些潜在应用？