高级AI研究员（端侧大模型）

优缺点分析

角色解读

• 可向首席科学家、AI架构师方向发展，或在端侧AI落地应用、边缘计算领域成为行业权威专家
• 专注于端侧（手机/IoT设备）轻量级大模型的算法研发，包括预训练、监督微调(SFT)和后训练策略
• 精通Transformer架构及大模型训练全流程，深入理解强化学习(RLHF等)、多模态技术及推理加速技术

申请策略

• 准备详细的技术方案阐述，展示如何将理论模型转化为高效的可部署模型，体现工程落地能力
• 突出顶会论文(Paper)或竞赛奖项，详细列出参与过的具体大模型项目，强调在模型压缩、加速方面的量化成果
• 深入研究模型量化、剪枝、蒸馏等技术，熟悉TensorRT、ONNX Runtime等端侧推理框架

面试指南

• 采用STAR法则（情境、任务、行动、结果），重点描述技术难点、解决方案的创新性以及最终的性能提升指标
• 请详细介绍你最近发表的关于大模型优化的论文及其核心创新点
• 如何在资源受限的端侧设备上实现大模型的高效推理？
• 针对SFT阶段的数据构建和策略选择，你有什么实践经验？
• 如何处理多模态大模型在端侧的内存带宽瓶颈？
• 复习大模型基础理论，梳理个人项目中的关键技术细节，了解OPPO在端侧AI的最新布局和产品动态