大模型算法工程师

优缺点分析

角色解读

• 在京东零售的丰富业务场景中积累大模型工程落地经验，成长为技术专家
• 通过参与前沿研究和技术突破，有机会晋升为团队技术骨干或研究负责人
• 可向AGI、多模态等更前沿领域拓展，成为行业领军人才
• 负责大语言模型和多模态大模型的训练与优化，包括预训练、后训练、指令微调和强化学习等环节
• 深入参与数据体系建设、大规模训练、偏好对齐和模型评估等关键工作，提升模型性能
• 探索大模型底层技术突破，研究新型架构（如MoE、注意力机制）并推动技术创新
• 扎实的机器学习、NLP和强化学习基础，熟悉主流大模型架构和训练方法
• 优秀的编程能力，熟练使用C/C++或Python，具备良好的数据结构和算法功底
• 有顶级会议论文或大规模比赛获奖经历，能独立主导研究项目

申请策略

• 面试前了解京东零售的业务方向，思考大模型如何赋能电商场景
• 准备1-2个完整的技术方案或项目复盘，展示从问题定义到实现落地的能力
• 重点突出在大模型预训练、指令微调或强化学习方面的项目经历和成果
• 列举顶级会议论文、比赛获奖或主导过的大影响力项目，展示学术和工程能力
• 强调对前沿技术（如MoE、注意力机制）的理解和实践经验
• 深入复习Transformer、RLHF等核心原理，并动手复现经典模型
• 熟悉至少一种深度学习框架（如PyTorch）和分布式训练工具（如DeepSpeed、Megatron）

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难点
• 对于原理类问题，先给出核心概念，再结合具体案例或公式推导，最后提出自己的见解
• 请详细描述你参与的大模型训练项目，包括数据、模型架构和优化策略
• 如何评估大模型的效果？你用过哪些评估指标和方法？
• 请解释MoE的工作原理及其在训练和推理中的挑战
• 如何解决大模型训练中的显存爆炸或收敛不稳定问题？
• 你认为当前LLM面临的最大技术瓶颈是什么？如何突破？
• 复习主流大模型（GPT系列、LLaMA、ChatGLM等）的技术细节和演进路线