网商银行-Agent算法工程师-北上杭

优缺点分析

角色解读

• 技术专家方向：深入大模型应用与风控算法，成为领域专家
• 架构师方向：负责AI助手系统架构设计，领导技术方案落地
• 业务管理方向：从技术岗位转向产品、业务管理，驱动业务创新
• 基于多模态数据（轨迹、文本、时序、表格）构建亿级用户画像，支撑信贷风控等业务
• 运用RAG、时序大模型和Agent技术，开发农业综合服务、连锁商户经营分析、金融市场预测等AI助手
• 与跨团队协作，将算法模型落地到实际业务场景，持续优化效果
• 扎实的深度学习基础，熟悉主流框架（如PyTorch/Transformer）及大模型训练方法
• 掌握多模态建模、RAG、Agent、时序预测等前沿技术，且有实际项目经验
• 具备优秀的学习能力、沟通能力和自驱力，能够深入业务挖掘需求

申请策略

• 提前了解蚂蚁集团网商银行的业务模式，在面试中展现对金融科技的兴趣
• 准备一个完整的大模型项目案例，能清晰讲述技术选型、实现过程和业务价值
• 突出大模型相关项目经验，包括模型训练、微调、部署等实际操作
• 强调多模态、RAG、Agent等方向的实际应用案例，最好有量化效果
• 展示竞赛获奖、顶会论文或开源贡献，这些都是重要的加分项
• 体现业务理解和跨团队协作能力，描述如何将算法落地到业务
• 补充RAG和Agent技术栈，动手搭建简单的Agent应用
• 熟悉时序大模型和金融风控领域的常用算法

面试指南

• 对于项目介绍类问题，可采用STAR法则：背景、任务、行动、结果，突出你的贡献和难点解决
• 对于技术原理类问题，先解释核心概念，再结合具体场景阐述应用，最后提出优化思路
• 对于业务设计类问题，先明确业务目标，再拆解技术方案，并考虑成本、可扩展性等实际因素
• 请介绍一个你参与的大模型项目，你在其中承担了什么角色？
• RAG的基本原理是什么？如何优化检索质量？
• Agent系统设计时需要考虑哪些关键因素？
• 如何利用时序大模型进行金融市场预测？
• 面对亿级用户数据，如何设计特征工程来提升风控模型效果？