算法高级工程师（大模型）

优缺点分析

角色解读

• 在技术深度上，可深耕大模型和强化学习，成为算法专家或技术架构师
• 结合金融和健康业务，可转型为行业解决方案专家或技术产品负责人
• 在平安内部有丰富的业务场景，可横向扩展到更多AI应用领域，积累跨领域经验
• 负责金融和健康场景的算法设计，包括智能投顾、保险推荐和健康管理服务，推动大模型技术落地
• 对大模型进行微调和优化，探索多模态交互、个性化推荐和风险评估等应用
• 研究和实现强化学习算法，设计智能决策系统，如投资策略生成和保险推荐
• 开发智能体（Agentic）系统，提升服务的自主决策和个性化能力
• 扎实的算法基础，熟悉大模型、强化学习、自然语言处理等领域
• 熟练使用主流深度学习框架（如PyTorch、TensorFlow、PaddlePaddle），并有模型训练和优化经验
• 至少精通Python、Java或TypeScript一种编程语言及相关框架
• 了解Agentic项目（如OpenClaw、ClaudeCode）的设计，对多模态交互有认知

申请策略

• 深入了解平安在金融科技和医疗健康领域的战略布局，在面试中展现对业务场景的思考
• 准备一两个有深度的技术方案，展示如何将大模型应用于智能投顾或健康管理
• 突出大模型微调或训练的具体项目经验，包括使用的模型、数据规模和效果提升
• 强调强化学习在实际决策系统中的应用案例，如投资策略或推荐系统
• 展示Agentic开发经验，尤其是自主决策系统的设计和实现过程
• 提及在金融或健康领域的算法落地成果，体现业务理解能力
• 系统学习最新大模型微调技术（如LoRA、RLHF）和Agentic框架（如AutoGPT、LangChain）
• 补充金融基础知识（如投资组合、保险精算）或健康管理领域常识，提升跨领域协作能力

面试指南

• 采用STAR法则（情境-任务-行动-结果）描述项目，重点突出你的具体贡献和技术难点
• 对于设计类问题，先拆解需求，明确输入输出，再讨论技术选型、评估方法和潜在风险
• 回答前沿技术问题，可结合业务场景，说明技术如何解决实际问题，体现思考深度
• 请分享一个你参与的大模型微调项目，遇到了哪些挑战？如何解决？
• 如何设计一个基于强化学习的投资策略推荐系统？有哪些关键要素？
• 你如何理解Agentic智能体？在金融场景中可能有哪些应用？
• 面对金融领域对模型准确性和可解释性的高要求，你的应对思路是什么？
• 如何评估一个LLM在特定业务场景中的效果？你会采用哪些指标？