AI Agent 大模型算法专家

优缺点分析

角色解读

• 技术纵深发展：成为Agent方向首席科学家或技术总监
• 横向拓展：向AI产品架构师或技术VP发展，主导端侧AI战略
• 行业影响力：通过论文发表和开源项目，成为智能体领域专家
• 负责大模型智能体核心算法研发，构建Planner-Executor框架，实现任务拆解、多步推理和工具调用
• 主导Agent模型的训练与调优，使用DPO、GRPO等对齐算法，基于真实反馈提升决策质量
• 结合MCP协议优化Agent与系统API、第三方应用及个人记忆系统的交互，实现上下文感知执行
• 跟踪前沿技术，探索Sparse MoE、GUI Agent等方向，推动端云协同Agent落地
• 精通LLM预训练和对齐训练（RLHF/DPO/GRPO），能独立设计训练方案与Reward建模
• 深入理解多步推理、任务分解、自我纠错，有大规模落地经验或论文发表
• 具备端到端数据构造→SFT→RL的全链路经验，不只是Prompt Engineering
• 理解手机OS集成场景，能从用户需求倒推模型能力

申请策略

• 提前了解vivo当前AI战略和蓝心大模型发展情况，展现对业务的理解
• 准备一个端侧Agent的完整方案构想，展示系统思维
• 突出主导过的Agent/Tool-Use项目，详述从数据构造到RL的全链路贡献
• 强调LLM对齐训练经验，如DPO/GRPO具体应用和效果
• 如果有论文发表或开源项目，重点展示技术创新
• 体现对手机OS场景的理解，如端侧推理优化经验
• 深入掌握MCP协议和端侧推理框架（如MLC-LLM、llama.cpp）
• 补齐端云协同架构知识，了解Android系统API和隐私限制

面试指南

• 用STAR方法阐述项目背景、任务、行动和结果，突出全链路经验
• 从用户场景和系统约束出发分析问题，给出具体技术方案（如Reward设计、数据增强等）
• 对比端云差异时，强调模型尺寸、量化、延迟、隐私等关键因素，并给出优化策略
• 请详细描述你主导过的一个Agent项目，从数据构造到RL全链路的流程和挑战
• 如何设计一个奖励模型来引导Agent在手机端正确执行多步任务？
• 端侧Agent与云端Agent在推理效率上有什么区别？你会如何优化？
• 模型在工具调用时出现幻觉或错误，如何检测和修复？
• 如何看待MCP协议和Agora等框架在Agent落地中的作用？