蚂蚁集团-音视频AI算法工程师-蚂蚁保

优缺点分析

角色解读

• 可在音视频AI领域深耕，成为语音交互或多模态方向的专家
• 有机会向技术管理方向发展，带领团队落地保险行业AI应用
• 积累大模型与Agent实战经验，未来可拓展至更广泛的AI应用场景
• 负责保险音视频对话Agent的算法研发，涉及语音识别（ASR）、语音合成（TTS）及多模态大模型的集成与应用
• 研究低延迟语音交互、实时打断、对话策略优化等关键能力，提升保险咨询、产品讲解等场景的体验
• 参与大模型及Agent的训练与优化，包括SFT、强化学习、工具调用，解决复杂保险任务的执行问题
• 扎实的机器学习和深度学习基础，熟练掌握Python及PyTorch等框架
• 具备音频或语音方向实战经验，熟悉ASR、TTS、语音大模型、实时音视频通信中的至少一个方向
• 了解大模型、智能体或多模态技术，具备模型训练或调优经验者更佳

申请策略

• 提前了解蚂蚁保业务场景和保险科技趋势，在面试中展示对业务的理解
• 准备一个完整的AI项目案例，从问题定义、方案设计到效果评估，体现工程化思维
• 突出音视频、语音相关的项目经验，特别是低延迟交互和实时通信案例
• 强调大模型训练、SFT、强化学习或工具调用的实际项目经历
• 展示开源贡献或顶会论文，体现技术深度和影响力
• 如果有保险、金融等行业应用经验，务必突出业务理解和落地能力
• 补充学习语音技术，如Kaldi、Whisper、VITS等开源工具和模型
• 掌握大模型微调和Agent框架，如LangChain、AutoGPT，熟悉RLHF原理

面试指南

• 针对项目介绍题，采用STAR法则（情境-任务-行动-结果），突出技术难点和你的贡献
• 针对系统设计题，从架构、模块划分、延迟优化、鲁棒性等方面展开，体现系统思维
• 针对业务理解题，结合具体场景需求，分析技术选型和取舍，展示解决问题的能力
• 请介绍一个你参与过的语音或音频项目，包括技术选型和效果优化
• 如何设计一个低延迟的语音交互系统？有哪些关键因素？
• 你对大模型SFT和强化学习有哪些实践经验？如何应用于智能体任务？
• 在保险业务场景中，音视频对话Agent可能面临哪些挑战？如何应对？
• 请解释多模态大模型的融合方式，并说明在语音对话中的应用