大模型算法工程师-AI智能体方向（博士后）

优缺点分析

角色解读

• 从核心算法工程师向AI技术专家或团队负责人发展，主导关键技术方向
• 深入物流行业AI应用，成为行业解决方案专家，兼具技术与业务视野
• 可向AI中台架构师或AI产品经理转型，拓展技术管理或产品能力
• 负责大模型在顺丰业务中的落地，包括智能问答、AIOps等场景的算法研发与优化
• 参与AI中台建设，通过预训练、微调、RAG等技术提升模型性能
• 与业务团队协作，将AI技术转化为实际生产力，推动智能体项目迭代
• 扎实的机器学习/深度学习基础，熟悉Transformer架构和大模型原理
• 精通至少一种深度学习框架（如PyTorch），有预训练或微调经验
• 掌握提示工程和RAG技术，了解AIOps或AI Coding等应用场景

申请策略

• 面试前深入了解顺丰AI中台架构及智能体项目，准备针对性的技术方案
• 关注大模型前沿论文（如GPT-4、Llama系列），展示持续学习能力
• 突出博士期间在大模型、NLP或多模态方向的科研成果，如论文、专利或开源项目
• 强调算法实战经验，包括预训练、微调、RAG等技术的实际应用案例
• 如有物流或企业级AI项目经历，需详细说明技术方案与业务效果
• 补充大模型部署与优化技能，如模型压缩、量化、推理加速等
• 学习AIOps、智能问答等场景的领域知识，理解物流业务需求

面试指南

• 使用STAR法则：说明项目背景、你的任务、采取的技术方案、最终效果及反思
• 技术问题需先阐述原理，再结合实际案例，最后讨论局限性和优化方向
• 业务导向问题：从问题分析入手，明确目标，设计技术方案，并考虑落地可行性
• 请详细描述你在大模型预训练或微调中的具体工作，遇到过哪些挑战？
• 如何设计一个针对物流场景的智能问答系统？请从技术选型到优化方案
• 解释RAG技术的原理以及在实际应用中可能遇到的问题？
• 你如何看待大模型在AIOps中的应用？请举例说明
• 你对顺丰的AI中台有什么了解？你认为大模型在物流领域最大的价值是什么？