强化学习与贝叶斯优化算法工程师（LLM 方向）

优缺点分析

角色解读

• 在工业界深耕强化学习与贝叶斯优化技术，成为算法专家，主导核心算法研发与落地
• 结合LLM方向，向大模型对齐、后训练等前沿领域发展，成为AI领域的高级技术专家
• 有机会向技术管理方向发展，带领算法团队，负责更复杂的业务场景和算法创新
• 负责强化学习算法的研发与落地，包括策略优化、离线强化学习、多智能体协作等方向，支撑决策与控制类业务场景
• 基于贝叶斯优化框架，设计并实现超参数调优、黑盒函数优化与自动调参系统
• 结合大语言模型能力，探索RLHF、RLAIF、在线对齐等算法创新，参与语言模型后训练中的强化学习环节研发
• 跟踪前沿学术进展，复现并改进经典与SOTA算法，完成算法原型验证、性能评测与工程化落地
• 扎实的强化学习理论基础，熟悉DQN、PPO、A2C、SAC等主流算法，具备至少一个方向的完整实现经验
• 精通贝叶斯优化原理，深入理解高斯过程、采集函数（EI、PI、UCB等）、多保真优化等核心技术
• 具备大语言模型相关实践经验，了解Transformer架构、预训练与对齐基本流程，有RLHF/DPO相关项目经验者优先
• 熟练使用Python及PyTorch/TensorFlow等深度学习框架，具备良好的代码规范与工程实现能力

申请策略

• 提前了解宁德时代在新能源领域的业务布局，特别是与AI、算法相关的应用场景，在面试中展现对业务的理解
• 准备一个完整的算法项目案例，从问题定义、方案设计到最终效果，展示你的工程化能力
• 重点突出强化学习项目的完整实现经验，包括算法选型、模型训练、效果评估等环节
• 详细描述贝叶斯优化相关的项目经历，如自动调参系统的设计与实现，突出对高斯过程、采集函数等核心技术的理解
• 如果有RLHF/DPO或大模型相关项目经验，务必重点展示，这是岗位的加分项
• 突出数学功底和论文阅读能力，如有顶会论文发表或开源项目贡献经历，要显著标注
• 系统复习强化学习核心算法（PPO、SAC、DQN等），并动手实现一个完整的RL项目
• 深入学习贝叶斯优化原理，熟悉BoTorch、Optuna等库的使用和二次开发

面试指南

• 对于项目类问题，采用STAR法则（情境-任务-行动-结果），清晰描述项目背景、你的具体贡献、技术方案和最终成果
• 对于原理类问题，先阐述核心概念，再结合公式或推导，最后举例说明其应用场景和优缺点
• 对于工程化问题，强调代码规范、模块化设计、性能优化和测试的重要性，并举例说明你的实践经验
• 请详细介绍一下你最近的一个强化学习项目，包括算法选择、训练过程、遇到的挑战和解决方案
• 解释一下PPO算法的核心思想，以及它相比其他策略梯度方法的优势
• 贝叶斯优化中，高斯过程和采集函数的作用是什么？如何选择不同的采集函数？
• 你对RLHF的理解是什么？在训练大语言模型时，如何设计奖励模型？
• 如何将一个研究性的算法原型转化为可用的工程化组件？