蚂蚁集团-大模型记忆优化算法工程师-上海/杭州

优缺点分析

角色解读

• 向大模型架构师或首席算法专家方向发展，深耕AI底层技术
• 转向AI产品与技术结合的复合型角色，主导AI Agent生态建设
• 晋升为技术团队Leader，负责更大规模的算法团队与技术规划
• 研发大模型与Agent的长期记忆算法，解决跨会话关联和信息冲突等技术难题
• 构建记忆抽取、更新、召回与消费的完整链路，优化记忆管理策略
• 建设训练数据与评测体系，通过模型训练和系统策略迭代提升实际场景效果
• 利用AI Agent优化研发流程，提升数据处理和实验执行的自动化水平
• 扎实的机器学习与编程基础，精通Python及主流深度学习框架
• 具备大模型微调、蒸馏或强化学习等模型训练实战经验
• 熟悉记忆检索、用户建模或Agent相关算法，有核心模块独立开发经验
• 具备数据驱动思维，能构建评测体系并定位业务瓶颈

申请策略

• 关注蚂蚁集团在AI领域的最新战略动向，了解其Agent产品的具体应用场景
• 准备详细的项目案例，重点阐述如何解决‘记忆’这一特定痛点的技术细节
• 突出在大模型微调、RLHF或Agent架构方面的具体项目经验和量化成果
• 强调独立负责核心算法模块的能力，展示从需求分析到上线的全流程经验
• 提及在数据评测体系建设、自动化流程搭建方面的实践，体现工程化思维
• 若有顶会论文或开源项目贡献，务必重点标注
• 深入理解Transformer架构及长文本处理技术，掌握最新的Memory Network研究进展
• 提升大规模分布式训练和推理优化的工程实践能力

面试指南

• STAR法则：清晰描述情境、任务、行动和结果，特别是量化的效果提升
• 技术深度：不仅讲‘做了什么’，更要讲‘为什么这么做’，对比其他方案的优劣
• 系统思维：从数据、模型、工程、业务多个维度综合阐述解决方案
• 创新点：突出自己在算法改进、流程优化或新工具应用上的独特贡献
• 请详细介绍你过往在大模型或Agent项目中关于记忆模块的设计思路和挑战
• 如何处理大模型在多轮对话中的信息遗忘、冲突和时效性问题？
• 在设计记忆检索和召回算法时，如何平衡准确率、延迟和计算成本？
• 请举例说明你如何通过数据闭环和评测体系来驱动模型效果的迭代