算法工程师

优缺点分析

角色解读

• 从算法工程师向高级算法专家发展，深入大模型训练与优化领域
• 可向医疗AI方向深耕，成为医疗NLP领域的专家
• 有机会转入技术管理岗位，带领团队推进医疗AI项目落地
• 负责医疗领域大语言模型的微调和优化，包括数据收集、清洗和构建高质量数据集
• 利用提示工程、工具调用等技术，探索LLM在医疗场景的应用，如病历分析、医学问答等
• 参与模型性能提升，涉及SFT、RLHF、多模态等前沿技术方向
• 扎实的深度学习基础，熟悉常见算法框架，尤其是PyTorch
• 熟练使用Python和Linux环境，具备良好的工程实现能力
• 熟悉LLaMA、Qwen等主流大语言模型，并有微调实践经验
• 具备NLP研究经验，了解SFT、RLHF等训练技术

申请策略

• 在简历中明确写出你对医疗AI的兴趣和认知，体现使命感
• 关注平安的医疗板块业务，了解其战略方向，在面试中展现匹配度
• 突出NLP项目经验，尤其是医疗相关项目，展示你对领域业务的理解
• 强调大模型微调实践，如使用过LLaMA-Factory、Swift等工具，并说明具体成果
• 列出发表过的论文或竞赛获奖经历，增加学术加分项
• 展示扎实的编程能力，如Python、PyTorch的熟练掌握
• 提前学习SFT、RLHF等大模型训练技术，熟悉主流开源框架
• 了解医疗NLP常见任务，如医学实体识别、病历结构化等，补充领域知识

面试指南

• 结构化回答：先解释概念，再结合自身经验，最后举例说明
• 项目描述采用STAR法则：情境-任务-行动-结果，突出你的贡献和量化成果
• 针对医疗领域，强调你对数据隐私和合规性的关注，展现专业素养
• 请简述你对大语言模型微调的理解，以及SFT和RLHF的区别？
• 你有医疗NLP相关的项目经验吗？请介绍一个具体案例
• 如何构建高质量数据集用于医疗领域的模型微调？
• 你熟悉哪些开源训练工具？比较它们的优缺点
• 如果让你提升一个医学问答模型的准确率，你会如何着手？