大语言模型实习生

优缺点分析

角色解读

• 从实习生晋升为正式AI研发工程师，深度参与核心项目
• 专注大模型领域，成为Prompt工程、模型微调或RAG方向的专家
• 向技术管理方向发展，带领团队构建复杂的对话系统
• 设计并开发基于传统NLU和大语言模型的混合对话系统，实现任务型对话、问答和开放域对话
• 通过Prompt工程、SFT和RAG等技术对模型进行效果调优，并构建垂直领域模型
• 搭建RAG平台，流程化数据改写、检索和调优模块，并负责数据清洗与模型训练
• 定性和定量评估模型效果，对比不同基座模型性能
• 扎实的NLP和深度学习基础，熟悉BERT等预训练模型
• 精通Python、Java或C++，具有云端工程开发经验
• 熟悉大语言模型应用开发框架如LangChain、AutoGPT，掌握Prompt工程和RAG技术
• 对ChatGPT等前沿模型有浓厚兴趣，具备自主调研能力

申请策略

• 在简历或面试中展示你对大模型生态的热情，比如参与开源项目或撰写技术博客
• 提前了解智元机器人的产品和业务方向，思考AI对话如何落地到人形机器人场景
• 突出NLP项目经验，特别是与BERT、GPT等模型相关的实践
• 强调编程技能（Python/Java/C++）和云端开发经验
• 展示对LangChain、RAG等框架的了解或使用经历
• 列举对ChatGPT等产品的深度使用体验或调研成果
• 系统学习Prompt工程和RAG技术，动手搭建一个简单的问答系统
• 熟悉主流的LLM评估方法和训练框架，如Hugging Face、DeepSpeed

面试指南

• 对于技术原理类问题，先清晰阐述核心概念，再结合自己的实践案例说明应用
• 对于项目设计类问题，采用STAR原则：背景、任务、行动、结果，突出思考过程和量化成果
• 对于开放性问题，展现学习能力：说明遇到问题如何利用资源解决，并总结收获
• 请解释Transformer的self-attention机制，并比较BERT和GPT的异同
• 如何设计一个RAG系统？检索和生成如何协调？
• 你在使用LangChain时遇到过哪些挑战？如何解决？
• 如果给一个通用大模型做垂直领域微调，你会如何选择数据源和训练策略？
• 请描述一次你自主调研并使用某个AI产品的经历，你学到了什么？