高德-大模型应用算法工程师-出行agent方向

优缺点分析

角色解读

• 技术专家路线：深耕大模型与Agent方向，成为领域专家，发表顶会论文
• 业务架构师路线：理解出行业务，主导大模型应用架构设计
• 管理路线：带团队，负责核心算法团队的管理与方向决策
• 围绕出行Agent场景，利用大模型技术提升业务效果，如路线规划、智能对话等
• 进行VLM的SFT、RL、on-policy distillation等模型训练与优化
• 开发Agent的tool与skill调用机制，实现复杂任务编排与agentic reasoning
• 与团队协作，将前沿算法落地到高德核心业务中
• 扎实的机器学习/深度学习基础，熟悉主流模型训练方法
• 精通Python/SQL/C++/Java至少一种，熟练使用PyTorch
• 有多模态、NLP、CV或大模型Agent方向研究经验
• 良好的英文读写能力和沟通协作能力

申请策略

• 了解高德出行具体业务，思考Agent如何优化用户出行体验
• 准备中英文自我介绍，面试中可能涉及论文和项目细节
• 突出大模型相关项目经验，尤其是SFT、RL或Agent方向的成果
• 强调顶会论文发表或参与，体现学术能力
• 展示编程功底和工程落地能力，如PyTorch使用
• 如果有出行、地图、智能对话等业务背景，务必提及
• 系统学习VLM、RLHF、Agent相关技术，尝试开源项目
• 熟悉LangChain、AutoGPT等Agent框架，加深tool调用理解

面试指南

• 采用STAR方法：情境、任务、行动、结果，清晰描述项目经验
• 结合高德业务场景，展现系统思维，从用户需求出发
• 强调方法论和动手能力，必要时画图说明
• 介绍一下你做过的大模型或Agent项目？具体是做什么？
• 如何设计一个Agent来规划出行路线？需要考虑哪些因素？
• 在RL训练中，如何处理奖励稀疏的问题？
• 如何评估一个VLM模型在出行场景中的效果？
• 你对tool calling和agentic reasoning的理解？