算法工程师（用户增长）

优缺点分析

角色解读

• 向大模型应用架构师或高级算法专家方向发展
• 转向AI产品化或技术管理岗位，带领团队进行技术攻关
• 研究并落地大模型在广告外投场景的具体应用，如因果分析和用户画像构建
• 执行从数据准备、模型微调（SFT/RL）到线上AB实验的全流程算法工作
• 探索AIGC在广告素材生成等领域的创新应用，提升业务效率
• 扎实的编程基础（Python/C++）和算法功底
• 精通机器学习/深度学习原理，特别是大模型的后训练技术（SFT, RL）
• 熟悉主流开源大模型生态，具备解决实际业务问题的能力

申请策略

• 了解平安集团在金融科技和保险领域的最新AI布局
• 准备针对大模型落地难点（如幻觉、成本、延迟）的解决方案思路
• 突出大模型微调（SFT/RL）的具体项目经验和量化成果
• 强调在广告、推荐或NLP领域的实际应用案例
• 若有顶会论文或开源项目贡献，务必重点展示
• 深入理解因果推断在广告归因中的应用
• 熟悉主流大模型的部署优化和推理加速技术

面试指南

• STAR法则：情境-任务-行动-结果，重点突出个人贡献和技术细节
• 对比分析：清晰阐述新技术相对于旧技术的优势和局限性
• 数据支撑：用具体的指标（如CTR提升、成本降低）证明算法价值
• 请详细介绍你使用过的一个大模型微调项目，包括数据清洗、策略设计和最终效果
• 在广告外投场景中，如何利用大模型进行因果推断？与传统方法相比有何优势？
• 如何评估和优化大模型在业务场景中的推理成本和延迟？
• 请描述一次你通过AB实验验证算法效果的完整经历
• 复习大模型基础理论及主流框架（如HuggingFace, DeepSpeed）