大模型算法工程师-垂域Agent方向（博士后）

优缺点分析

角色解读

• 从大模型算法研究员向AI技术专家或AI业务架构师发展
• 未来可主导企业级AI中台建设，成为垂直领域AI应用落地的核心领军人物
• 负责顺丰AI中台和智能体基础设施的建设与优化
• 深入研究大模型核心算法，包括预训练、微调、RAG等
• 推动大模型在智能问答、AIOps等垂直业务场景的落地
• 具备扎实的AI算法基础和实战能力，精通LLM、多模态模型的核心技术
• 熟练掌握Prompt Engineering、RAG等前沿大模型应用技术
• 具备将技术成果转化为实际生产力的工程落地能力

申请策略

• 提前了解顺丰在AI和数字化转型方面的最新布局，特别是其AI中台和智能体相关的公开技术分享或论文
• 突出在大模型（LLM、多模态）预训练、微调、RAG等方面的研究成果或项目经验
• 展示在智能问答、AIOps等垂直领域的应用落地案例及实际业务收益
• 强调博士期间的科研能力与工程实践能力的结合
• 深入学习Agent架构设计与多智能体协同技术
• 熟悉大模型推理加速与部署优化
• 了解物流或供应链领域的基础业务知识

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目经验
• 对于技术问题，先阐述核心原理，再结合具体场景给出优化方案，最后说明评估指标和实际效果
• 请详细介绍你在博士期间参与的大模型预训练或微调项目，遇到了哪些挑战及如何解决？
• 在垂直领域落地大模型时，如何有效缓解模型的幻觉问题？
• 请谈谈你对RAG技术的理解，以及如何优化RAG系统的检索和生成效果？
• 如果让你为顺丰的物流场景设计一个智能体（Agent），你会如何规划其架构和工具调用？
• 复习大模型核心算法原理及最新前沿论文（如Agent、RAG优化）
• 准备1-2个自己主导的、有完整落地闭环的AI项目案例