资深大模型算法工程师

优缺点分析

角色解读

• 技术专家路线：在端侧大模型或特定AI应用领域成为公司内乃至行业内的顶尖专家
• 技术管理路线：从负责单一方向到管理更复杂的AI团队或实验室，参与公司级AI战略规划
• 前沿探索路线：持续引领技术创新，推动大模型在移动智能终端上实现突破性应用，提升公司产品核心竞争力
• 设计和实施多模态大模型的训练与优化流程，覆盖从预训练到强化学习的全阶段
• 选择并深耕技术方向，要么聚焦文本理解、Agent等模型能力提升，要么攻坚模型轻量化与端侧部署技术
• 作为技术负责人，带领小团队攻克技术难题，并与产品、业务团队协作，将算法能力转化为实际业务价值
• 持续跟踪前沿研究，推动算法和模型层面的技术创新
• 拥有扎实的大模型理论基础，并具备从预训练到微调、从压缩到部署的完整项目落地经验
• 精通PyTorch/TensorFlow等主流框架及Python/C++，能独立实现算法和系统开发
• 在模型压缩（量化、蒸馏等）、高效解码或文本理解、Agent等至少一个细分领域有深入实践
• 具备出色的业务拆解能力和跨团队沟通协作能力，能将技术与业务目标对齐

申请策略

• 深入研究vivo在AI领域，特别是端侧AI方面的公开技术分享、论文或产品功能，理解其技术痛点和关注点
• 在面试中，不仅讲述技术细节，更应重点阐述你的技术决策如何服务于业务目标，展现你的业务洞察力
• 详细描述参与或主导的大模型训练、优化或压缩部署项目，突出在预训练、微调、量化蒸馏等环节的具体贡献和技术选型思考
• 展示在文本理解、长上下文、Agent等具体业务场景中应用大模型解决问题的案例，体现业务思维
• 强调独立解决复杂技术问题的经验，以及使用Python、C++、PyTorch等技术栈进行算法实现和系统开发的能力
• 如有团队协作或项目牵头经验，可简要说明，体现沟通和推动能力
• 系统梳理并加深对Transformer架构、主流预训练范式、RLHF等大模型核心技术的理解
• 深入实践至少一种模型轻量化技术（如GPTQ、AWQ等量化方法），并在具体任务上进行部署验证

面试指南

• 采用STAR原则（情境、任务、行动、结果）来结构化地讲述过往项目经历，突出你的个人贡献和技术深度
• 对于技术方案类问题，先明确问题核心与约束条件（如延迟、内存、功耗），再系统性地列举可选方案并进行权衡分析，最后给出你的推荐方案及理由
• 回答业务相关问题时，先从用户或产品需求出发，再将技术手段与之关联，体现你的业务思维
• 请详细描述你最近参与的一个大模型项目，你在其中负责什么？遇到了什么技术挑战，如何解决的？
• 如果给你一个任务，要求将某个大模型在资源受限的手机端高效运行，你会考虑哪些压缩和加速方法？如何进行取舍？
• 如何设计一个有效的数据策略来提升大模型在某项特定任务（如长文档摘要）上的表现？
• 请解释一下SFT和RLHF在大模型训练中的作用和区别，在你过去的项目中是如何应用的？
• 你认为当前大模型在移动端落地最大的挑战是什么？你有何解决思路？