【创新业务】算法开发研究员（成都）(J53469)

优缺点分析

角色解读

• 技术专家路线：深耕AI算法，成为仿真AI、工业NLP或知识工程领域的资深算法专家
• 产品化路线：深入理解制造业务，转向AI产品经理或技术负责人，推动技术解决方案的商业化落地
• 管理路线：积累项目经验和团队协作能力，未来可走向技术团队管理岗位
• 研发并微调大语言模型，使其具备在仿真制造场景下的专业问答、参数推荐和故障诊断能力
• 构建企业级的知识库和RAG系统，自动化处理和检索多源异构的工程文档与数据，提升AI的准确性和可解释性
• 分析问答系统的表现，定位模型错误和知识漏洞，输出质量报告以持续优化AI产品
• 扎实的机器学习、深度学习与NLP理论基础，尤其熟悉大模型微调（如LoRA, Prompt Tuning）和检索增强生成（RAG）架构
• 熟练的Python编程能力，掌握主流深度学习框架（如PyTorch/TensorFlow），并了解C++
• 良好的数据分析与问题排查能力，能够从数据中发现模型问题并提出迭代方案

申请策略

• 仔细研究京东方在显示制造、传感等领域的业务，思考你的AI技能如何为其创新业务赋能
• 在面试中，不仅要展示技术深度，还要表现出对“如何让AI在工业场景可靠工作”的思考，这将是一个加分项
• 重点突出与NLP、大模型相关的科研项目或实习经历，尤其是涉及微调、RAG、知识图谱的实践经验
• 展示扎实的算法基础，可以通过Kaggle竞赛、开源贡献或高质量的学术论文来证明
• 强调解决复杂问题的工程能力，描述如何定位并优化一个AI模型或数据管道的经验
• 深入研究RAG系统的最新技术栈（如LangChain, LlamaIndex）和大模型微调实践，准备可演示的Demo
• 补充了解制造业仿真领域的基本概念，阅读相关综述或入门资料，以便在面试中展现跨界学习的意愿和能力
• 强化系统设计能力，思考如何设计一个稳定、可扩展的知识库与AI问答平台

面试指南

• 对于技术问题（如1、2题），采用STAR法则，结合具体项目，清晰阐述问题背景、技术方案、实施过程和最终成果，突出个人贡献
• 对于场景问题（如3题），按照“定位问题-分析原因-提出方案-验证效果”的逻辑框架回答，展现系统性思维和工程素养
• 对于业务问题（如4题），结合前期准备的公司业务知识，从降本增效、质量控制、研发创新等角度提出有依据的见解
• 请介绍一个你做过的NLP或大模型项目，重点说明你如何优化模型效果？
• 如何设计一个针对制造领域文档的RAG系统？请描述关键步骤和技术选型
• 当发现AI生成的回答在某个特定故障类型上总是出错时，你会如何排查和解决？
• 你了解我们公司的仿真业务吗？你认为AI可以在哪些环节创造最大价值？
• 硕士期间，你参与纵向科研项目申报和管理的经验是什么？这如何锻炼了你的能力？