资深算法工程师- POI方向

优缺点分析

角色解读

• 在技术深度上，可成为LLM/Agent领域的专家，主导核心算法研发
• 在业务广度上，可向数据科学或产品方向拓展，负责数据策略制定
• 在管理路径上，可晋升为技术主管，带领团队推动数据智能化
• 利用LLM技术提升POI数据属性识别的准确性，处理名称、图片、评论等多源信息
• 训练Agent模型替代人工进行数据更新，优化更新流程，降低成本并提高效率
• 研究多模态对齐方案，整合图像、文本和位置信息，提升模型性能
• 扎实的NLP基础，熟悉大模型post-train技术
• 掌握强化学习算法（如PPO、GRPO），有Agent训练经验
• 具备多模态学习经验，能处理图像、文本、坐标等异构数据

申请策略

• 关注滴滴地图事业部的最新动态，了解业务方向
• 准备技术分享或项目案例，展示解决实际问题的能力
• 突出NLP和深度学习项目经验，特别是大模型微调或post-train经历
• 强调强化学习应用案例，如Agent训练、策略优化等
• 展示多模态处理能力，如融合图像、文本、位置信息的项目
• 深入学习LLM最新技术，如RLHF、DPO等
• 实践Agent开发，熟悉LangChain、AutoGPT等框架
• 了解地图数据领域知识，熟悉POI数据结构

面试指南

• 结合具体项目，用STAR法则说明背景、任务、行动和结果
• 强调技术选型原因和权衡，展示思考深度
• 体现对业务场景的理解，说明技术如何解决实际问题
• 如何利用LLM提升POI属性识别的准确率？
• 描述一次你训练Agent完成自动化任务的经历
• 在多模态对齐中，如何处理位置信息与图像、文本的融合？
• 如何评估数据更新模型的效果？
• 谈谈你对LLM在数据更新领域应用前景的看法