大模型算法工程师-多模态大模型方向（博士后）

优缺点分析

角色解读

• 从博士后研究员成长为多模态大模型的核心技术专家，主导物流领域AI方向
• 可转向顺丰内部技术管理岗位，带领团队完成更大规模的AI应用落地
• 积累行业经验后，也可向其他头部科技公司或学术界发展
• 负责构建和优化面向物流供应链的多模态大模型，包括文本、图像、视频数据的预训练、微调和强化学习
• 攻克视频理解等核心能力，提升模型在目标检测、视频分类、视频问答等任务上的表现
• 将模型落地到安全检测、违规巡检等实际业务场景，实现降本增效
• 扎实的深度学习基础，熟悉Transformer、ViT、CLIP等主流多模态架构
• 精通PT-SFT-RLHF完整链路，有大规模模型训练和调优经验
• 熟练掌握Python和深度学习框架（如PyTorch），具备顶刊论文发表能力

申请策略

• 了解顺丰在物流科技方面的布局，在面试中结合业务场景阐述技术方案
• 提前思考如何将多模态大模型的技术成果转化为业务价值（如降本增效的具体指标）
• 突出多模态大模型相关的研究经历，特别是PT-SFT-RLHF全流程项目
• 展示在目标检测、视频理解等任务上的论文或开源贡献
• 强调物流或供应链领域的经验，如相关竞赛、合作项目
• 补充强化学习（RLHF）的实践知识，特别是与多模态结合的最新进展
• 熟悉视频理解常用数据集和评估指标，如Kinetics、ActivityNet等

面试指南

• 对于项目类问题：背景→方法（数据/模型/训练）→实验结果→你的贡献→反思
• 对于开放性问题：当前技术现状→痛点分析→你的解决思路→预期效果
• 请详细介绍你参与过的多模态大模型预训练或微调项目，数据如何构建？
• 如何设计RLHF中的奖励模型？物流场景中奖励信号如何定义？
• 视频理解和图像理解的主要区别是什么？当前视频分类的难点有哪些？
• 你有过将模型部署到生产环境的经验吗？如何平衡精度和推理速度？
• 请谈谈你对多模态大模型在物流供应链中应用前景的看法
• 复习多模态大模型经典论文（如CLIP、BLIP、VideoMAE等），并能流利复述核心思想