【物联网创新先锋】大模型算法研发（北京）(J52789)

优缺点分析

角色解读

• 从算法工程师成长为技术专家，深入大模型与智能体核心算法研究
• 横向发展：可转向AI产品经理或技术管理岗位，负责AI产品落地
• 内部晋升：京东方内部技术职级体系清晰，博士起点较高，有望快速晋升
• 跟踪大模型与智能体领域最新技术动态，进行技术方案调研和可行性分析
• 负责大模型的微调、对齐训练，以及智能体的决策与工具调用算法开发
• 参与项目技术评审，编写高质量代码并进行测试与联调，确保算法稳定落地
• 扎实的编程能力：熟练使用Python或Java，具备算法实现与调试经验
• 深度学习基础：了解Transformer架构、主流大模型及常用框架（如PyTorch/TensorFlow）
• 问题拆解与自主钻研能力：能够独立分析复杂问题并提出解决方案

申请策略

• 面试前了解京东方AI业务方向（如工业视觉、智慧物联等），准备相关场景下的算法应用思考
• 准备一个完整的技术方案案例，展示从问题定义、方案设计到实验验证的全过程
• 突出博士期间与NLP、大模型、强化学习或智能体相关的研究成果，包括论文、专利或开源项目
• 详细描述编程实践：用Python/Java实现过的算法项目、代码库链接或贡献
• 强调深度学习框架使用经验（PyTorch/TensorFlow），以及模型训练、调参的实际案例
• 如果缺乏大模型微调经验，可提前学习LoRA、P-tuning等参数高效微调方法
• 熟悉智能体相关技术，如ReAct、Plan-and-Solve、工具使用等论文方法

面试指南

• 针对项目类问题，采用STAR原则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)
• 对于技术对比问题，明确列出优缺点，并结合实际场景说明选择依据
• 对于设计类问题，从需求分析开始，逐步阐述方案架构、关键模块和技术选型
• 请介绍一个你做过的大模型相关项目，包括技术难点和解决方法
• 你对LLM的微调方法有哪些了解？请比较LoRA和全量微调的优劣
• 如何设计一个智能体的决策流程？请举例说明工具调用的实现思路
• 在训练大模型时遇到过哪些问题？如何解决收敛不稳定或过拟合？
• 请解释Transformer中的自注意力机制，并说明它在大模型中的作用