大模型应用风险算法工程师

优缺点分析

角色解读

• 向金融大模型算法专家发展，深入业务场景成为行业解决方案负责人
• 可转型为AI架构师，主导大型AI系统的设计与落地
• 积累金融科技经验，未来可跳槽至其他金融机构或 AI 领军企业
• 利用大模型和Agent框架设计和优化金融业务自动化流程，提升效率
• 针对金融场景调优大语言模型，增强推理和指令跟随能力
• 跟踪前沿AI技术（如多模态、长上下文）并快速落地到业务中
• 精通Transformer模型原理、预训练、微调、对齐、蒸馏等技术
• 熟练掌握PyTorch/TensorFlow和分布式训练
• 熟悉PPO/GRPO等强化学习算法，有RL训练经验优先
• 具备良好的团队协作与沟通能力，能跨部门合作

申请策略

• 申请时主动展示对滴滴金融业务的了解，如数科产品线
• 可准备一个简短的技术方案，展示如何用大模型优化一个金融流程
• 突出完整的大模型落地项目经历，特别是使用Agent框架或强化学习的实战案例
• 强调金融或相关领域的应用经验，展示业务理解能力
• 列出模型调优、蒸馏、量化等具体技术细节，体现深度
• 补充强化学习（PPO、GRPO）相关知识，可练习经典论文复现
• 熟悉至少一个Agent框架（如LangChain、AutoGPT）的应用
• 了解金融风控、信贷等基本概念，增强业务匹配度

面试指南

• 用STAR法则（情境-任务-行动-结果）回答项目案例，突出个人贡献和技术难点
• 对比不同技术方案时，先阐述原理，再结合场景分析优缺点
• 对于开放性问题，给出明确观点后，用具体例子支撑
• 请详细描述你做过的一个大模型提升业务工作流的案例，包括技术选型和效果指标
• PPO和GRPO的区别是什么？在金融场景中如何选择？
• 大模型微调时如何解决灾难性遗忘问题？
• 在金融合规要求下，如何保证模型输出的准确性和可解释性？
• 你如何跟踪大模型前沿技术？请举例说明转化为业务成果的经历