算法技术顾问

优缺点分析

角色解读

• 深耕医疗大模型领域，成为技术专家或算法负责人
• 横向发展至智能体、多模态等前沿方向，拓宽技术广度
• 在京东健康内部可晋升为技术leader，带领团队负责核心算法方向
• 负责医疗大模型的后训练，包括指令微调、RLHF等，提升模型在医学推理、指令遵循等方面的能力
• 研发大模型智能体核心算法，涉及意图理解、任务分解、工具调用和多智能体协作
• 将算法模型应用于京东健康的问诊、诊断等业务，构建AI原生产品，服务C端用户健康管理
• 扎实的NLP和大模型基础，具备3年以上实际项目研发和模型训练经验
• 熟练掌握深度学习框架（如PyTorch）和编程语言（如Python），熟悉常用深度学习工具
• 有学术会议（ACL、EMNLP等）发表或竞赛获奖经验，具备独立研究能力

申请策略

• 投递时附上GitHub或技术博客，展示代码能力和项目积累
• 提前了解京东健康的业务方向，在面试中体现对医疗AI的思考
• 突出大模型训练（预训练、微调、RLHF）的实际项目经验，附上具体成果（如模型效果提升、业务指标改善）
• 强调在NLP顶会发表的论文或竞赛获奖经历，证明研究能力
• 展示智能体相关项目，如对话系统、任务规划、工具调用等
• 体现对医疗健康领域的兴趣或相关项目经验
• 补充RLHF、DPO等最新对齐技术的实践，可复现开源项目
• 学习智能体框架（如LangChain、AutoGPT）并实践多智能体协作

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，适用于项目经验类问题
• 对比分析法：比较不同技术方案（如RLHF vs DPO）的优缺点，展示技术深度
• 结构化思维：对复杂问题（如多智能体协作）先分解模块，再逐一阐述设计思路
• 请详细描述你参与的大模型后训练项目，包括数据来源、训练策略、效果评估
• RLHF中奖励模型如何设计？DPO与RLHF的优劣对比？
• 如何提升大模型在医学推理任务上的准确性？举例说明
• 多智能体协作中如何处理冲突和协调？请设计一个方案
• 你如何看待当前医疗大模型的挑战？如何解决数据隐私和合规问题？