算法开发岗

优缺点分析

角色解读

• 技术专家路线：在大模型/代码智能领域深入研究，成为行业权威
• 管理路线：带领研究小组，负责技术方向规划
• 学术路线：在 NeurIPS/ICLR 等顶会发表论文，扩大影响力
• 研究仓库级代码理解技术，包括长上下文建模、依赖分析和调用链追踪，提升模型对复杂代码库的掌握
• 构建沙盒环境和合成训练数据，为代码智能体提供高质量轨迹和验证数据
• 负责代码智能体的后训练，包括 SFT、RLHF、Agentic RL 等环节，优化代码生成和修复能力
• 将技术落地到京东实际研发场景，如自动化测试、智能排障等，赋能研发提效
• 扎实的机器学习与深度学习基础，熟悉大模型训练和后训练技术
• 掌握 SFT、RLHF、Reward Model 等强化学习相关方法
• 有 Coding Agent 或代码生成项目经验，熟悉软件工程智能化
• 良好的编程能力，熟悉 Python，熟悉大模型推理框架

申请策略

• 提前了解京东探索研究院的技术方向和研究成果
• 准备能够体现技术深度的项目介绍，并思考与岗位的匹配点
• 突出大模型训练或后训练项目，展示具体方法和技术细节
• 强调 Coding Agent、代码生成、自动化测试等实战经验
• 列出顶会论文或开源项目贡献，体现研究能力
• 展现软件工程背景，如代码理解、重构、测试等技能
• 系统学习强化学习和 RLHF，动手实践
• 深入了解长上下文建模和高效推理技术

面试指南

• 回答时从问题定义、方法设计、实验验证三个层面展开，体现系统性思维
• 结合具体项目案例，讲清楚背景、做法、结果和反思
• 对于未知问题，可以说明思路，展现学习能力和逻辑推理
• 如何设计一个有效的 Reward Model 来评估代码生成质量？
• 长上下文代码建模的主要挑战有哪些？你如何解决？
• 在 Agentic RL 中如何处理奖励稀疏的问题？
• 请介绍一个你参与过的代码生成或大模型项目，难点是什么？
• 如何平衡研究创新与业务落地？