Agent算法工程师（J104946）

优缺点分析

角色解读

• 在百度这样的平台，可以深入大模型和Agent领域，成为技术专家，参与核心算法研发
• 有机会向技术管理方向发展，带领团队负责Agent相关产品线
• 积累丰富的多模态和生成式AI经验，在人工智能领域有广阔的职业前景
• 负责构建和优化Agent系统，包括意图识别、Query改写、工具调用等核心模块，提升智能体的交互能力
• 针对具体业务场景，进行大模型的场景微调（SFT、RL等），优化模型在特定任务上的表现
• 参与图像生成与编辑相关算法的研发，如扩散模型、VTON虚拟试穿等，支持搜索穿搭助手等产品
• 与产品、工程团队协作，将算法模型落地到实际产品中，并持续迭代优化
• 扎实的大模型理论基础，深入理解Transformer架构和原理，熟悉post-train技术（SFT、RL等）
• 熟练使用PyTorch或TensorFlow等深度学习框架，具备独立进行算法研究和开发的能力
• 熟悉扩散模型、多模态图像生成、可控图像生成等图像算法技术，有相关项目经验者优先
• 具备较强的全链路问题分析和解决能力，能够从数据处理到模型部署全流程把控

申请策略

• 了解百度的Agent产品（如文心一言、百度搜索）和业务方向，在面试中展示对产品的理解
• 准备一个完整的算法项目案例，从问题定义、数据处理、模型设计到效果评估，展示全链路能力
• 突出大模型相关项目经验，尤其是Agent系统构建、模型微调（SFT/RL）等
• 强调图像生成、扩散模型等领域的项目成果，如虚拟试穿、图像编辑等
• 展示独立解决复杂问题的能力，例如优化模型效果、提升推理速度等
• 如有顶会论文、开源项目或竞赛获奖，务必突出
• 深入理解Transformer架构，熟悉主流大模型（如GPT、LLaMA）的原理和训练技巧
• 补充强化学习（RL）相关知识，了解RLHF、DPO等post-training技术

面试指南

• 采用STAR法则（情境、任务、行动、结果）回答项目经历，突出个人贡献和量化成果
• 对于技术问题，先阐述基本原理，再结合项目经验说明应用和优化
• 对于开放性问题，展示思考过程，从问题定义、技术选型、实验设计到结果分析
• 请介绍一个你参与的Agent或大模型项目，包括技术难点和解决方案
• 如何设计一个意图识别模型？如何处理多轮对话中的上下文？
• 谈谈你对SFT和RLHF的理解，它们在大模型训练中的作用是什么？
• 你了解扩散模型吗？如何实现可控图像生成？
• 如何评估一个Agent系统的效果？有哪些指标？