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

• 短期内，你将作为技术骨干深耕多模态大模型在物流领域的应用，成为该方向的专家
• 长期来看，你可以沿着“研究员-高级研究员-首席科学家”的学术技术路线发展，或转向技术管理岗位，带领团队攻克更复杂的行业AI难题
• 作为公司博士后研究员，你的核心工作是利用多模态大模型技术解决物流行业的实际问题
• 你将负责从模型预训练、微调到强化学习的全流程方法论研究与创新，特别是在视频理解领域
• 你需要探索并实现模型在安全巡检、违规检测等具体业务场景的应用，将算法转化为降本增效的生产力
• 必须具备扎实的计算机视觉和多模态模型理论基础，熟练掌握如PT-SFT-RLHF的模型训练范式
• 需要拥有目标检测、视频分类、视频问答等多模态任务的研究或工程经验，有顶会/顶刊论文发表记录
• 具备将前沿AI技术与物流等垂直领域相结合的项目经验或强烈兴趣，能理解业务痛点

申请策略

• 在求职信或面试中，表达你对“用AI赋能实体产业”这一愿景的认同，并准备说明你的研究如何具体解决物流问题
• 可以提前研究顺丰在智慧物流、自动化方面的公开技术分享，了解公司技术栈和关注点
• 重点突出与多模态大模型、计算机视觉相关的研究项目经历，尤其是涉及预训练、微调、强化学习的成果
• 清晰列出已发表的顶刊/顶会论文，并简要说明研究工作的创新点和贡献
• 如有任何与物流、供应链、工业检测等相关项目或实习经历，务必详细描述
• 深入理解物流供应链业务的基本逻辑和关键痛点，以便在面试中展现技术方案的业务契合度
• 关注多模态大模型，特别是视频理解领域的最新技术进展和开源模型

面试指南

• 回答项目问题时，采用STAR法则（情境-任务-行动-结果），突出你的技术决策和最终量化成果
• 回答挑战类问题时，从数据（垂域数据稀缺、质量不一）、模型（领域泛化）、应用（部署与效果评估）三个维度展开分析
• 对于流程问题，先阐述标准流程，再重点说明在垂域中每个阶段（如SFT的数据如何构建）的特殊考虑和你的想法
• 请详细介绍你过往最相关的一个多模态或计算机视觉研究项目，你在其中的具体贡献是什么？
• 你认为将通用多模态大模型迁移到物流领域（如包裹检测、运输监控）会面临哪些主要挑战？你会如何解决？
• 请描述一下你理解的PT-SFT-RLHF的完整流程，并谈谈在垂域适配中，数据构建和训练方法上有哪些可能的创新点？
• 你如何看待多模态技术在物流安全检测场景的应用前景？
• 系统复盘并梳理自己的博士论文或核心研究成果，能清晰、有逻辑地进行10-15分钟的陈述