【地瓜机器人】Agent软件算法工程师

优缺点分析

角色解读

• 横向可深化为后训练/对齐方向专家，或转向 Agent 系统架构与多智能体编排方向
• 凭借「模型训练 + Agent 系统」双栈能力，未来可向 AI 应用算法负责人、模型平台技术专家方向发展
• 身处快速演进的 LLM/Agent 领域，持续跟踪前沿技术（Agentic RL、Long CoT 等）有利于长期竞争力
• 主导大语言模型的后训练与对齐，包括 SFT、DPO、GRPO、RLHF 等方法，持续提升模型在具体场景下的指令遵循与推理能力
• 负责高质量训练数据的构建与可量化评测体系搭建，让模型迭代形成可持续的数据闭环
• 参与 AI Agent 核心模块开发，包括意图识别、任务拆解、工具调用、ReAct 推理链路与多智能体协作
• 把训练好的模型集成进 Agent 系统，并基于实际使用反馈反哺模型优化
• 扎实的 Python 编程与 PyTorch 深度学习框架能力，是大模型训练的基础
• 熟悉大模型训练全流程：SFT 微调、偏好对齐（DPO/RLHF）、分布式训练（DeepSpeed/Megatron）
• 掌握主流大模型（Qwen、DeepSeek、Llama 等）的使用与微调，理解 Reward Function 与评测设计
• 了解 AI Agent 基本原理，包括 ReAct 范式、工具调用、记忆机制与多智能体协作

申请策略

• 提前了解地瓜机器人在机器人/具身智能方向的业务，思考大模型后训练与 Agent 如何服务其产品
• 准备 1-2 个能体现「模型到 Agent 闭环」思维的深度案例，突出独立闭环能力
• 突出大模型后训练的一线实战经验，尤其是 SFT 数据构建 + 训练 + 评估的完整闭环案例
• 量化你在 DPO/RLHF/GRPO 等对齐方法上的调参效果，如指令遵循、推理能力的提升幅度
• 展示 Agent 相关项目，包括工具调用、ReAct 链路、多智能体编排及任务完成率等指标
• 列出你使用过的训练框架（DeepSpeed/Megatron/verl/TRL）与 Agent 框架（LangChain/AutoGen 等）
• 补齐 RL 训练框架（verl / openRLHF / TRL）的实操，并积累 GRPO/PPO 调参经验
• 准备一个数据飞轮/数据合成与清洗的完整案例，体现数据 pipeline 建设能力

面试指南

• 采用 STAR 结构讲清背景、任务、行动与量化结果，重点体现闭环思维与技术决策依据
• 讲算法问题时先说明问题本质与约束，再对比可选方案及取舍理由，最后给出验证数据
• 讲 Agent 问题时围绕意图识别、任务拆解、工具调用、评估指标四个环节展开，体现工程落地能力
• 请介绍一次你主导的大模型后训练项目，从数据构建到评估的完整流程是怎样的？
• 在 DPO、RLHF、GRPO 中，你如何选择对齐方法？Reward Function 是如何设计的？
• 分布式训练中你遇到过哪些问题（如显存、通信、稳定性），如何解决？
• 你如何设计一个 Agent 的工具调用与 ReAct 推理链路？如何评估其效果？
• 在多智能体协作场景中，你如何处理任务分解与编排中的失败与兜底？