资深大语言模型算法（上海）

优缺点分析

角色解读

• 技术专家路线：在垂类大模型训练、优化和落地方面深耕，成为领域专家
• 技术管理路线：随着项目经验的积累，可向技术负责人或团队管理岗位发展
• 跨领域发展：结合业务场景，向AI产品化、解决方案架构等方向拓展
• 负责垂类大模型的数据构建、指令微调、偏好对齐和模型优化，提升模型在特定业务场景的表现
• 推动大模型在客服、搜索、推荐、创作和对话等业务场景的落地应用，解决实际问题
• 负责Agentic AI服务的部署、性能测试和优化，确保算法的准确性和效率
• 与产品和工程团队协作，将大模型能力产品化和工程化，实现商业闭环
• 扎实的编程能力，精通Python或C/C++，有ACM、Kaggle等竞赛获奖经历者优先
• 熟悉NLP、CV相关算法，深入理解大语言模型和多模态大模型的训练流程，如CPT、SFT、RL等
• 具备出色的问题分析和解决能力，能深入大模型训练和应用中的复杂问题
• 良好的沟通协作能力，能与团队共同探索新技术，推动技术进步

申请策略

• 了解蔚来的业务方向和技术布局，在面试中展现对智能汽车、AI应用的思考
• 准备充分的项目案例，展示技术深度和解决问题的能力
• 突出大模型相关项目经验，特别是指令微调、偏好对齐、模型优化等具体实践
• 强调编程能力和算法功底，如有ACM、Kaggle等竞赛获奖经历务必突出
• 展示NLP、CV等领域的学术或工业界成果，如论文、专利或落地项目
• 体现业务落地能力，说明如何将算法模型应用到实际场景并取得成效
• 深入理解主流大模型架构和训练技术，如Transformer、LoRA、RLHF等
• 补充Agentic AI相关知识和实践，了解服务部署和性能优化

面试指南

• STAR法则：描述项目背景、任务、行动和结果，突出个人贡献和技术难点
• 对比分析：在回答技术选型问题时，比较不同方法的优缺点，展示思考深度
• 业务导向：强调技术如何解决业务问题，体现商业价值
• 请详细介绍一下你参与过的大模型训练或优化项目，遇到的主要挑战是什么？
• 如何设计数据构建和指令微调策略来提升垂类大模型的性能？
• 谈谈你对RLHF或DPO等偏好对齐方法的理解，以及在实际应用中的经验
• 如何评估和优化大模型在业务场景中的推理性能和效果？
• 你如何看待大模型在智能汽车领域的应用前景和挑战？