大模型算法工程师

优缺点分析

角色解读

• 可向大模型技术专家方向发展，深入模型架构优化与硬件适配
• 逐步成为AI项目技术负责人，带领团队完成复杂算法落地
• 横向拓展至多模态、AI Agent等前沿方向，融入京东云整体技术体系
• 与产品团队协作，针对家庭陪伴、安防等场景定义算法需求，并主导模型训练与微调流程
• 对已训练模型进行压缩、蒸馏，优化推理性能并适配边缘硬件平台
• 构建并维护高质量的标注数据集，确保覆盖真实业务场景
• 扎实的深度学习基础，熟握PyTorch、Megatron等框架进行模型训练与调优
• 熟悉主流开源大模型架构（如LLaMA、GPT等），具备模型压缩和蒸馏实战经验
• 有视频理解或语义理解相关算法开发经验者优先，需要良好的数据处理能力

申请策略

• 关注京东云在智能家居和家庭场景的业务方向，在面试中展示对该领域的理解
• 准备代表性的项目案例，说明从数据构建到模型部署的全链路经验
• 突出大模型训练、微调、压缩或蒸馏的项目成果，最好有量化指标
• 展示视频/语义理解相关项目经历，强调数据处理和模型优化经验
• 强调使用PyTorch、Megatron等框架的熟练程度，以及开源大模型经验
• 若缺乏模型压缩经验，可补学知识蒸馏、量化、剪枝等常用技术
• 熟悉至少一种主流大模型（如LLaMA、ChatGLM）的内部结构和微调方法
• 了解智能家居或安防场景的常见AI应用，可提前阅读相关论文

面试指南

• 针对技术问题，采用STAR法则先说明项目背景，然后详细阐述技术方案、遇到挑战和最终收益
• 对于开放性问题，先分析需求约束（如算力、延迟、精度），再提出多个可选方案并对比优缺点
• 遇到不确定的问题，坦诚说出自己的理解，并给出合理的技术推断和思考路径
• 请详细描述你做过的一个大模型压缩项目，你采用了哪些方法？效果如何？
• 如何平衡模型压缩后的精度损失和推理速度提升？
• 在家庭场景中，模型可能遇到哪些数据分布偏移问题？如何解决？
• Transformer模型中的注意力机制是如何工作的？为什么需要位置编码？
• 如果让你在资源受限的设备上部署一个LLM，你会怎么做？