大模型应用算法工程师（智能客服）

优缺点分析

角色解读

• 在美团基础研发平台，可深入大模型核心技术，成为领域专家
• 有机会参与顶会论文发表，提升学术影响力
• 随着业务落地，可向技术管理或架构师方向发展
• 负责智能客服场景下的大模型算法建模，包括对话理解、生成、指令遵循、推理等能力的优化与落地
• 参与大模型在客户之声、风控、舆情等业务场景的研发与落地，提升业务效果
• 通过系统建设降低业务分析数据的门槛，提升业务对数据价值的挖掘能力
• 探索大模型的新应用场景，推动技术创新
• 扎实的大模型训练和调优经验，熟悉Deepseek、Qwen、Llama等主流模型
• 精通至少一种深度学习框架（如TensorFlow、PyTorch），具备优秀的算法设计与实现能力
• 在智能客服、RAG、Agent、强化学习等至少一个领域有深入研究和实践经验
• 具备良好的团队合作和沟通能力，能够与产品、工程团队高效协作

申请策略

• 了解美团基础研发平台在智能客服方面的业务，思考如何将你的经验与业务结合
• 在面试中展示你对大模型技术趋势的理解和热情
• 突出大模型训练、调优和落地的项目经验，特别是智能客服、RAG、Agent等方向
• 强调在复杂指令遵循、推理、DPO、强化学习等领域的实践经验
• 展示顶会论文、开源项目或竞赛成绩，体现技术深度
• 量化项目成果，如效果提升、性能优化等
• 深入理解主流大模型架构，如Deepseek、Qwen、Llama，并掌握其训练和调优技巧
• 熟悉RAG、Function Call、Agent等技术的实现和应用

面试指南

• 结合具体项目，展示你的技术深度和解决问题的能力
• 强调数据驱动和效果导向的思维
• 展示你对技术前沿的关注和学习能力
• 请介绍你在大模型训练和调优方面的经验，如何优化模型效果？
• 在智能客服场景中，如何设计一个RAG系统？
• 如何评估大模型生成的回答质量？
• 你如何理解DPO和强化学习在大模型中的应用？
• 如何与产品、工程团队协作，确保算法落地？