蚂蚁集团-算法工程师-智能认知大模型

优缺点分析

角色解读

• 资深大模型算法专家：在认知大模型方向深耕，成为技术带头人
• 技术管理方向：带领团队负责更复杂的认知体系设计与落地
• 跨领域拓展：结合金融/支付业务，成为AI+金融领域的复合型专家
• 你将负责将业务需求转化为认知模型和方案，利用大模型推理和数据挖掘产出高质量认知结果
• 主导大模型的后训练流程，包括指令数据构建、SFT/DPO/GRPO等微调，以及模型评测迭代
• 设计Agent的自我进化机制，通过线上反馈持续提升Agent的推理准确性和响应效率
• 扎实的编程和数据处理能力：熟练使用Python和SQL
• 深入的大模型后训练经验：精通数据清洗、指令构造、SFT/DPO/RLHF等
• Agent开发实战：熟悉LangChain/LlamaIndex，理解Multi-Agent系统和工具调用机制
• 强大的自驱力和问题抽象能力：能将模糊业务问题转化为技术方案

申请策略

• 在简历和面试中强调量化成果，例如：模型效果提升百分比、推理延迟降低等
• 提前了解蚂蚁集团在智能认知领域的产品方向，如蚂蚁百灵等
• 重点突出大模型后训练项目经验，尤其是SFT/DPO/RLHF的实际效果提升数据
• 展示Agent开发案例，包括Multi-Agent架构设计、复杂任务规划等
• 强调数据处理和指令构建能力，附带技术博客或GitHub链接更佳
• 体现自驱力和问题解决能力，如主动发起的技术优化项目
• 如果缺少Agent经验，可快速学习LangChain/LlamaIndex并做一个Demo
• 补充大模型评测方法论，熟悉Bleu/Rouge/BERTScore等

面试指南

• STAR法则：描述情境、任务、行动、结果，重点突出技术细节和量化成果
• 分层思考：从问题定位→方案设计→实施验证→迭代优化，展示系统思维
• 对比分析：在回答中比较不同方案的优缺点，体现技术深度
• 请详细描述一个你参与的大模型SFT项目，包括数据构造、训练策略和效果评估
• 设计一个Multi-Agent系统来处理复杂的业务咨询任务，你会如何规划？
• 如果模型在线上出现偏见或错误推导，你会如何定位和修复？
• 你如何看待大模型推理中的幻觉问题？有什么缓解方案？
• 请举例说明你如何将一个模糊的业务需求转化为技术方案