业务技术-大模型算法工程师-生成式AI

优缺点分析

角色解读

• 在生成式AI与多模态技术方向深耕，成为该领域的算法专家或技术负责人
• 深入结合电商业务，从单一场景的算法设计扩展至更广泛的智能商业解决方案
• 转向技术管理或架构师岗位，带领团队攻克复杂的跨领域技术难题
• 设计和开发用于家装家居场景的生成式AI系统，将大模型、多模态能力与空间设计结合
• 研究并实现空间布局、商品搭配等核心算法，解决从户型解析到方案生成的完整技术链路
• 应用SFT、RLHF等大模型后训练技术，优化模型以满足业务的美学、约束和用户偏好要求
• 搭建智能设计Agent架构，实现用户需求理解、方案生成与交互调整的完整流程
• 精通深度学习框架（如PyTorch）和主流生成式模型架构（如Transformer、Diffusion）
• 深入理解大语言模型、多模态模型技术及其后训练方法（SFT、RLHF、DPO等）
• 具备将前沿算法研究（如空间理解、布局生成）工程化落地的能力
• 拥有良好的系统设计能力，能够构建完整的AI应用架构（如多Agent系统）

申请策略

• 在简历或面试中，清晰地阐述你对‘如何用生成式AI技术解决家居设计问题’的理解和思路
• 准备1-2个与‘生成-评估-优化’闭环相关的项目案例，展示你系统性解决问题的能力
• 可以主动了解天猫家装业务的产品形态和用户痛点，这会成为面试中的加分项
• 突出与生成式AI、大模型、多模态模型相关的项目或研究成果，尤其是涉及空间理解、布局生成、推荐系统等具体场景的经验
• 详细描述使用PyTorch等工具进行算法实现和优化的工程能力，以及推动技术落地的成果
• 如有相关顶会论文或开源项目贡献，应重点列出，证明科研与工程双重能力
• 展示对电商、家居或内容生成领域的理解，或任何与空间设计、用户意图建模相关的经验
• 复习并深入理解SFT、RLHF、DPO等大模型对齐技术的具体原理和应用场景

面试指南

• 针对系统设计问题：采用分而治之的思路，先拆解问题模块（感知、生成、优化、交互），再说明每个模块的技术选型和关键创新点，并强调评估与迭代闭环
• 针对技术结合问题：阐述两种模态如何互补（如LLM处理意图和规划，多模态模型处理视觉特征），并说明融合方式（如Cross-Attention、Adapter、联合训练等）
• 针对落地挑战问题：遵循‘定义问题-技术选型-原型验证-数据反馈-迭代优化’的逻辑链进行描述，突出你的工程思维和解决实际问题的能力
• 如何设计一个根据户型图自动生成家具布局方案的系统？请从模型选择、约束处理、评估指标等方面阐述
• 如何将大语言模型（LLM）与多模态视觉模型结合，用于理解用户上传的图片并推荐搭配家具？
• 在大模型后训练（如SFT、RLHF）中，如何定义和构建用于‘布局合理性’或‘美学一致性’的奖励模型或数据？
• 如果要构建一个设计与导购的智能体（Agent），你会设计怎样的架构？如何处理方案生成、用户交互和商品推荐之间的流程序列？
• 描述一个你过去将生成式模型从研究落地到实际产品中遇到的挑战，以及你是如何解决的