大模型算法开发

优缺点分析

角色解读

• 从算法工程师向技术专家或架构师发展，深入大模型底层优化和前沿研究
• 横向拓展至多模态、强化学习等AI方向，或纵向深入医疗垂直领域成为行业专家
• 在京东健康内部可晋升为技术Leader，带领团队推动医疗AI商业化落地
• 负责医疗大模型的后训练，包括持续预训练、指令微调和RLHF，提升模型在医学推理和指令遵循等核心能力
• 研发大模型智能体算法，涉及意图理解、规划决策、工具调用和多智能体协作，提升自主决策能力
• 将大模型应用于问诊、诊断等医疗场景，实现医生效率提升，并构建面向C端用户的健康管理AI产品
• 扎实的NLP和大模型理论基础，熟悉Transformer、预训练、微调等核心技术
• 熟练使用PyTorch等深度学习框架，具备3年以上实际模型训练和项目经验
• 掌握RLHF、DPO、数据合成等后训练技术，以及智能体相关算法（如ReAct、Plan-and-Solve）

申请策略

• 面试前准备一个完整的项目案例，从问题定义、数据处理、模型选型到部署上线，展示全栈能力
• 关注京东价值观（客户为先、创新、拼搏），在回答中体现对医疗AI社会价值的认同
• 突出大模型训练和微调的项目经验，包括数据构建、模型调优、效果评估等细节
• 强调在顶级会议（ACL/EMNLP等）发表的论文或参与的竞赛获奖，体现研究能力
• 展示智能体（Agent）相关项目，如工具调用、多轮对话、任务规划等实际案例
• 补强RLHF和DPO的实践技能，可通过开源项目（如DeepSpeed Chat、Alpaca-LoRA）动手复现
• 了解京东健康业务背景，熟悉医疗领域知识（如病历分析、问诊流程）会增加竞争力

面试指南

• 对于项目介绍类问题，采用STAR法则（情境-任务-行动-结果），突出技术挑战和你的贡献
• 对于技术对比类问题，先阐明各自原理，再对比优劣，最后结合场景给出选择建议
• 对于场景设计类问题，先梳理需求，再分模块阐述技术方案，最后评估风险和优化方向
• 请详细介绍你参与过的一个大模型训练项目，包括数据配比、训练策略和最终效果
• RLHF中的奖励模型如何设计？DPO相比PPO有什么优缺点？
• 如何设计一个医疗问诊智能体？需要考虑哪些关键模块？
• 在处理长文本时，大模型的attention机制会面临哪些挑战？如何优化？
• 如果模型在医疗推理中给出错误建议，如何溯源和修正？