大模型算法专家（垂域）

优缺点分析

角色解读

• 技术方向：向大模型架构师、首席科学家发展，主导更前沿的模型研发
• 管理方向：晋升为算法团队负责人或技术总监，带领更大团队
• 业务方向：深入物流行业，成为业务+技术复合型专家，推动AI战略落地
• 主导百亿参数级垂域大语言模型的CPT、SFT、RFT训练与优化，提升模型在物流场景的应用效果
• 设计并实现复杂业务场景下的智能体（Agent），推动推理智能与群体智能在搜索、问答、推荐等环节的落地
• 制定技术路线与方案，指导并培养算法团队，提升整体在搜索、推荐、Agent等领域的技术水平
• 精通Python和PyTorch，熟悉分布式训练/推理加速技术（如DeepSpeed、Megatron）
• 深入理解大模型结构（Transformer、MoE等），有百亿参数模型实战经验
• 具备Agent建设方法论，能主导复杂业务Agent开发并量化成果
• 熟悉AI工程优化（并发、资源节降），有数据分析与AB测试经验

申请策略

• 重点展示与顺丰业务场景的关联性，例如物流、供应链中的AI应用
• 提前了解顺丰丰语大模型的发展情况，在面试中提出建设性看法
• 突出百亿参数级大模型训练/微调经验，量化业务成果（如指标提升、落地项目规模）
• 详细描述Agent开发经历，说明在复杂场景下的技术架构与落地效果
• 强调团队指导或项目管理经验，体现统筹协调能力
• 如有论文或开源贡献，列在显著位置
• 补充或强化分布式训练框架（如DeepSpeed、ColossalAI）的实战经验
• 熟悉物流/供应链领域的业务知识，有助于面试展示业务理解力

面试指南

• 使用STAR法则（情境-任务-行动-结果）描述项目经历，突出量化成果
• 对于架构设计问题，先明确业务需求，再给出分层设计，并比较不同方案的trade-off
• 对于实验评估问题，强调指标设计（离线+在线）和置信度控制（如AA测试、统计显著性）
• 请介绍你参与过的百亿参数大模型CPT/SFT项目，遇到的主要挑战及解决方案
• 如何设计一个Agent系统来处理物流中的异常派送场景？请给出技术架构
• 如何评估大模型在垂域的效果？你会设计哪些指标和AB测试方案？
• 在分布式训练中，如何优化通信瓶颈和显存？你用过哪些加速技术？
• 你如何培养和指导团队中的初中级算法工程师？举例说明