研究型实习生 - 基于RAG技术和知识图谱的光网络状态问答应用

优缺点分析

角色解读

• 作为研究型实习生，可以积累AI和网络结合的前沿经验，为未来从事AI研发或网络智能化方向打下基础
• 表现优秀者有机会转正，成为阿里巴巴的正式员工，参与更多核心项目
• 该领域结合了LLM和知识图谱，是AI应用的热门方向，职业发展前景广阔
• 你将研究如何将RAG技术与知识图谱结合，实现光网络状态问答系统
• 具体工作包括构建测试用例，评估LLM和RAG推理的可靠性
• 搭建RAG平台，串接用户提问、查询生成、图谱查询和结果返回等流程
• 探索多轮查询机制，提升复杂查询的效率和准确性
• 深入理解RAG架构原理，熟悉Python编程和设计模式
• 具备文本生成模型的开发和使用经验
• 了解光网络基本模型和传输设备硬件
• 良好的沟通表达和团队合作能力

申请策略

• 关注阿里巴巴招聘官网，了解实习申请流程
• 在简历中明确表达对研究方向的兴趣和思考
• 突出RAG、知识图谱、LLM相关项目经验
• 展示Python编程能力和设计模式应用
• 如果有光网络或通信背景，务必强调
• 体现团队合作和沟通能力
• 提前学习RAG架构和知识图谱基础知识
• 熟悉Gremlin查询语言

面试指南

• 对于技术问题，先阐述基本概念，再结合项目经验说明应用
• 对于开放性问题，展示思考过程，提出多种方案并比较
• 对于光网络问题，即使不熟悉也要展示学习意愿
• 请解释RAG架构的原理和优缺点
• 你如何将自然语言转换为Gremlin查询？
• 描述一个你使用LLM和知识图谱的项目
• 你对光网络了解多少？
• 如何评估问答系统的可靠性？