大模型算法工程师-VLM方向（顺丰科技）

优缺点分析

角色解读

• 从大模型算法工程师起步，可向技术专家或技术管理方向发展，在物流科技领域积累深厚行业经验
• 负责物流场景下的视觉算法研发，包括图像理解、视频理解等核心任务，解决实际业务问题
• 参与垂域多模态大模型的继续预训练、SFT、RFT等全流程工作，优化模型在物流领域的表现
• 跟进大模型领域前沿技术（如MoE、Agent），探索其在物流场景的创新应用
• 随着多模态大模型在物流场景的深入应用，可成长为领域专家，主导核心算法项目
• 有机会参与前沿技术研究，向AI研究员或技术Leader方向晋升
• 扎实的编程基础，熟练掌握C/C++/Python，熟悉Pytorch框架
• 具备多模态大模型训练和应用开发经验，熟悉语料清洗、预训练、指令微调、强化学习等流程
• 熟悉lmdeploy、deepspeed、vllm等训练或推理加速框架，了解CLIP、LLaVA、Qwen-VL等主流模型结构

申请策略

• 关注顺丰科技的技术博客或开源项目，了解其技术方向
• 在面试中展示对物流场景的理解和思考，体现业务敏感度
• 突出多模态大模型相关的项目经验，如预训练、微调、强化学习等
• 强调编程能力和框架使用经验，如Pytorch、deepspeed、vllm等
• 展示对主流模型（如CLIP、LLaVA、Qwen-VL）的理解和实践
• 提前学习多模态大模型的基础知识，熟悉相关论文和开源项目
• 动手实践一个简单的多模态模型微调项目，积累实战经验

面试指南

• 采用STAR法则，清晰描述项目背景、任务、行动和结果，突出技术细节和量化成果
• 结合物流场景，展示对业务需求的理解，提出针对性的技术方案
• 从技术原理和实际应用两个层面回答，体现深度和广度
• 请介绍一个你参与过的多模态大模型项目，包括技术选型和难点解决
• 如何设计一个针对物流场景的图像理解模型？
• 谈谈你对MoE和Agent在物流领域应用的理解
• 如何优化多模态大模型的训练效率？
• 复习多模态大模型的基础知识，包括Transformer、CLIP、LLaVA等模型结构