大模型算法工程师实习生

优缺点分析

角色解读

• 实习生→大模型算法工程师（全职）→高级算法工程师/技术专家，在顺丰内部积累AIOps等垂直场景经验
• 可向多智能体、推理优化等细分方向深耕，成为大模型领域专家
• 发表顶会论文或开源贡献，提升行业影响力，未来可进入头部科技公司或创业
• 深入研究大模型核心算法，包括预训练、微调、RAG等，并参与多智能体调度框架的设计与实现
• 协助将大模型技术落地到AIOps、代码生成等垂直领域，负责数据集构建和评估
• 使用Dify、LangGraph等框架进行应用原型开发，并优化模型部署效率
• 跟踪前沿技术，在导师指导下解决实际问题并推动产品化
• 扎实的编程能力，熟练掌握Python/C++，熟悉PyTorch/TensorFlow等深度学习框架
• 深入理解Transformer结构及主流大模型原理，对大模型技术栈（vLLM、LangGraph等）有兴趣
• 良好的英文文献阅读能力和团队沟通能力，具备快速学习新技术的热情

申请策略

• 在简历和面试中强调对顺丰业务场景（如物流、AIOps）的理解，展示技术落地思维
• 准备一个自己做过的大模型相关项目，详细说明技术选型、实现过程和效果
• 突出相关项目经验，如NLP/CV/大模型相关的课程作业或研究课题，展示对Transformer的理解
• 强调编程能力，尤其是Python和PyTorch的使用经验，以及代码质量（如GitHub链接）
• 展示学术成果，如论文、竞赛获奖或开源贡献，体现技术热情和研究能力
• 提前学习大模型基础知识，包括Transformer、微调技术（LoRA、P-Tuning等）和LangChain/Dify框架
• 动手尝试一些开源大模型（如LLaMA、ChatGLM）的本地部署和微调，积累实践经验

面试指南

• 回答技术问题时，先给出定义和原理，再举例说明应用场景，最后结合自身经验
• 项目描述遵循STAR法则（情境、任务、行动、结果），突出个人贡献和思考过程
• 对于开放性问题，先明确问题核心，列出解决方案步骤，最后给出权衡和优化方向
• 请解释Transformer的自注意力机制，以及为什么它在NLP中有效？
• 你如何理解大模型微调？有哪些常见的微调方法？
• 描述你参与过的一个AI项目，遇到的主要挑战是什么？
• Multi-Agent系统中如何解决任务协作和冲突？
• 如果让你设计一个基于RAG的问答系统，你会如何构建？