淘天算法技术-大模型算法专家（ai助手）-杭州*

优缺点分析

角色解读

• 成为大模型和AI Agent领域的专家，深入电商AI应用
• 可转向技术管理或研究前沿方向，如多模态、强化学习等
• 通过影响淘宝用户，提升个人技术影响力和行业认可度
• 负责淘宝AI购物助手大模型的全链路训练，包括预训练、微调和强化学习，以提升电商任务完成能力
• 设计和实现AI Agent框架，集成淘系生态能力，使助手能完成推荐、比价、下单等真实购物任务
• 挖掘用户行为数据，构建奖励函数体系，通过强化学习优化用户体验和商业指标
• 探索多模态理解、动态工具组合等前沿挑战，推动AI在业务约束下的创新应用
• 扎实的大模型训练经验，熟悉预训练、SFT、RLHF和分布式训练技术
• 深入理解Agent系统、工具调用和多智能体协作，有相关设计或落地经验
• 精通PyTorch等深度学习框架，具备大规模模型训练、推理优化或部署能力
• 独立判断和解决模糊问题的能力，能在不确定领域提出技术方案

申请策略

• 研究淘宝AI助手现有产品和技术博客，展示对其的理解和改进想法
• 准备具体项目案例，说明如何解决模糊问题或优化模型性能
• 突出大模型训练项目经验，尤其是RLHF、SFT和Agent系统设计
• 展示在顶级会议（如NeurIPS、ICML）发表的论文或技术专利
• 强调电商、搜索、推荐或对话系统相关背景，以及PyTorch等框架实战能力
• 深入学习强化学习和多模态模型，如视觉语言模型
• 实践Agent框架设计，熟悉工具调用和Sub-agent协作机制
• 了解电商行业业务逻辑，如购物流程、用户意图挖掘

面试指南

• 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验，突出技术难点和解决方案
• 从架构设计、模块分解、优化策略等角度系统化思考Agent框架，结合电商场景举例
• 强调实际约束（如实时性、资源限制），并展示迭代优化和权衡决策的思路
• 请描述你参与过的大模型训练项目，如何优化RLHF过程以提升模型性能？
• 如何设计一个Agent框架来处理电商任务中的多工具调用和动态规划？
• 在真实业务约束下，如何应对多模态输入（如文本、图像）的挑战？
• 你如何构建奖励函数体系来平衡用户体验和商业指标？
• 分享一个在缺乏成熟方案时，你独立解决技术难题的例子