大模型算法专家

优缺点分析

角色解读

• 技术专家路线：深耕大模型与AI Agent领域，成为行业顶级技术领袖
• 管理路线：从技术负责人晋升为部门总监或AI研究院负责人，统筹集团AI战略
• 业务路线：结合物流场景，转型为AI产品/解决方案架构师，推动业务创新
• 主导百亿参数大语言模型的持续训练与优化（CPT/SFT/RFT），提升模型在物流垂域的表现
• 设计并落地基于大模型的智能体系统，应用于搜索、问答、推荐等业务场景
• 制定技术路线和方案，带领算法团队攻克推理智能和群体智能等前沿难题
• 指导团队成员成长，推动算法工程化与业务指标提升
• 精通大语言模型算法结构，具备大规模模型预训练和微调经验
• 熟练使用Python和PyTorch，掌握分布式训练和推理加速技术
• 深刻理解自主决策Agent的构建方法论，有复杂业务落地经验
• 具备数据分析能力，熟悉AB测试和Benchmark评测，能驱动模型优化

申请策略

• 深入了解顺丰的物流业务和丰语大模型的发展方向，结合自己的经验提出具体改进建议
• 在面试中展现技术视野和领导力，准备一个关于技术路线选择的案例分析
• 突出参与或主导的百亿参数大模型项目，详细说明CPT/SFT/RFT的具体经验
• 量化Agent落地成果，如业务指标提升（准确率、召回率、用户满意度等）
• 展示分布式训练优化经验，如加速比、资源利用率等数据
• 列出发表的顶级论文或技术专利，体现学术影响力
• 如果缺乏Agent实战，可以快速学习LangChain、AutoGPT等框架，并动手搭建一个简单Demo
• 补充LLM推理优化技术，如vLLM、TensorRT-LLM等，提升工程能力

面试指南

• STAR法则：描述情境(Situation)、任务(Task)、行动(Action)、结果(Result)，突出数据和技术细节
• 对比分析：在面对技术选型问题时，先列出多种方案的优缺点，再结合业务需求给出推荐
• 结构化表达：先给结论，再分点展开，最后总结
• 请详细介绍你主导的最大规模大模型项目，包括参数规模、训练数据、遇到的挑战和解决方案
• 如何设计一个用于物流场景的智能体？请从感知、决策、执行层面阐述
• 在分布式训练中，你如何优化通信效率和资源利用率？请举例说明
• 如何评估一个大模型在垂域的效果？请设计一套完整的评测方案
• 当团队成员对技术方案有分歧时，你如何协调并推动决策？