高级AI算法专家

优缺点分析

角色解读

• 在京东零售深耕本地生活AI，成长为多模态算法领域的技术专家或团队负责人
• 积累大规模业务场景的算法落地经验，未来可晋升至高级专家或技术总监
• 紧跟AI前沿趋势，有机会转向生成式AI、世界模型等更前沿的研究方向
• 研发多模态大模型（VLM/LLM）算法，赋能京东本地生活业务（外卖、酒旅、即时配送等）
• 优化模型训练、推理与规划能力，通过指令微调、偏好对齐提升垂类模型效果
• 探索多模态RAG、视觉COT、Agent等前沿技术，构建智能创作AI Agent框架
• 推动大模型在商家拓供、用户增长、营销补贴等场景的规模化落地
• 扎实的多模态大模型（VLM/LLM）理论基础，熟悉生成式模型、深度学习、强化学习
• 精通PyTorch、TensorFlow等深度学习框架，具备模型训练与工程优化能力
• 掌握Agent工程和Agentic RAG，有指令微调、偏好对齐等Post Training经验
• 具备算法创新意识，能紧跟AI前沿动态并落地到业务

申请策略

• 关注京东本地生活业务的最新动态，在面试中展示对业务场景的理解
• 准备一个完整的多模态模型项目案例分析，从问题定义到落地的全过程
• 突出多模态大模型（VLM/LLM）相关项目或研究经验，尤其是Post Training方向
• 强调PyTorch/TensorFlow等工程能力，附上GitHub或开源贡献链接
• 展示算法创新成果，如顶会论文、竞赛获奖、开源项目star数
• 提及与业务结合的场景落地案例，体现算法实际价值
• 深入学习Agentic RAG、多模态COT等进阶技术
• 补充强化学习（RLHF）和AIGC相关理论与实践

面试指南

• 问题一：采用STAR法则（情境-任务-行动-结果），突出项目难点和你的贡献
• 技术类问题：先阐述基本原理，再结合自身经验举例，最后提出优化方向
• 业务场景问题：从用户价值和技术可行性两个角度分析，展示业务理解
• 请详细介绍一个你参与的多模态大模型项目，包括架构设计、训练过程和效果
• 指令微调和偏好对齐有哪些常见方法？如何评估其对模型效果的影响？
• 如何设计一个多模态RAG系统来处理图文混合查询？
• 你在模型训练中遇到过哪些工程挑战（如显存、收敛问题）？如何解决的？
• 如何看待大模型在本地生活场景中的应用潜力？有哪些技术难点？