【REDstar】大模型应用算法工程师-国际化治理业务

优缺点分析

角色解读

• 从算法工程师成长为技术专家，专注多模态理解领域
• 可向技术管理方向发展，带领团队攻克难题
• 积累业务理解后，可转向产品或架构方向
• 负责优化多模态内容理解大模型，处理社区笔记、评论等内容的审核问题
• 参与预训练、SFT、RL、多模态表征等模型的训练与调优
• 搭建Agent、RAG等应用框架，推动模型在业务中的落地
• 跟踪LLM/MLLM最新进展，探索新技术在审核场景的落地
• 扎实的编程能力，精通Python，熟悉深度学习框架如PyTorch
• 深入理解大语言模型和多模态模型原理，有SFT、RL、RAG实战经验
• 具备学术研究能力，能阅读前沿论文并复现改进
• 良好的问题分析和解决能力，对内容理解有热情

申请策略

• 关注小红书技术博客和开源项目，了解他们的技术栈
• 在面试中展示对内容审核业务的理解，以及对技术落地的思考
• 重点突出大模型相关项目经验，如参与过SFT、RL、RAG等
• 如果有学术论文发表，特别是多模态方向，一定要列出
• 强调编程能力和工程实现能力，附上GitHub链接
• 展示对内容审核或安全领域的理解，体现业务思维
• 系统学习LLM/MLLM原理，动手复现热门模型
• 掌握至少一种强化学习算法（如PPO）和Agent框架

面试指南

• 对于项目类问题，采用STAR法则：背景、任务、行动、结果，突出技术难点和你的贡献
• 对于技术原理问题，先给出定义，再结合实际应用场景分析，最后补充优缺点
• 对于业务落地类问题，从数据、模型、工程三个维度阐述，体现系统性思考
• 请详细讲解你参与过的多模态大模型项目，包括模型结构、训练过程、遇到的挑战
• RAG和Agent的区别是什么？在审核场景下如何选择？
• 如何评估大模型在审核任务上的效果？有哪些指标？
• LLM的幻觉问题如何缓解？在审核场景下如何处理？
• 你对多模态特征融合有哪些理解？请举例说明