大模型算法工程师

优缺点分析

角色解读

• 技术路线：从算法工程师成长为技术专家或首席科学家，深入大模型前沿技术
• 管理路线：带领团队负责医疗AI方向的技术规划与项目管理
• 业务路线：结合医疗业务需求，转型为AI产品负责人或解决方案架构师
• 负责医疗大模型的后训练工作，包括持续预训练、指令微调、RLHF等，提升模型在医学推理、长文本处理等核心能力
• 研发大模型智能体核心算法，涉及意图理解、规划决策、工具调用和多智能体协作，提升Agent的自主决策能力
• 将大模型模型应用于京东健康的问诊、诊断场景，实现医生效率提升，并构建面向C端用户的AI原生产品
• 扎实的NLP和大模型理论基础，包括Transformer、预训练、微调、RLHF等
• 熟练使用Python和深度学习框架如PyTorch，有实际模型训练经验
• 具备数据合成、奖励建模、DPO等后训练技术经验
• 有智能体（Agent）相关研发经验，理解规划决策、工具调用等模块

申请策略

• 面试前深入研究京东健康业务，了解其在线问诊、健康管理等产品，思考AI如何赋能
• 准备一个自己主导的大模型项目案例，从问题定义、技术方案到效果评估，完整呈现
• 突出与NLP、大模型相关的项目经验和成果，特别是预训练、微调、RLHF等具体技术细节
• 强调在ACL、EMNLP等顶会发表的文章或竞赛获奖经历，体现科研能力
• 如果有医疗相关项目，务必详细描述模型在医疗场景的应用效果
• 展示编程能力：Python、PyTorch框架使用熟练度，以及大规模数据处理经验
• 如果有不足，可以系统性学习RLHF、DPO等后训练技术，并多动手实践
• 了解医疗领域基础知识，如医学知识图谱、临床诊疗流程，提升业务理解

面试指南

• 回答技术问题时，遵循“问题背景-解决方案-实验对比-深度思考”的结构，展示逻辑性和深度
• 对于开放性问题，分点阐述，结合具体案例，体现系统性思维
• 遇到不了解的技术，诚实说明，但展示学习能力和知识迁移能力
• 请详细说明你参与的大模型训练项目，用了哪些微调方法？取得了什么效果？
• RLHF的具体流程是什么？奖励模型如何设计？遇到过什么困难？
• 如何提升大模型在医疗领域的指令遵循能力？请给出技术方案
• 智能体中意图理解和规划决策模块如何实现？如何处理多步任务失败的情况？
• 你如何看待大模型在医疗诊断中的伦理和安全性问题？