大模型/agent算法工程师

优缺点分析

角色解读

• 纵向深入成为大模型/多模态领域的专家，主导核心算法架构
• 横向拓展至AI产品经理或技术负责人，将算法能力与业务策略结合
• 在京东内部可晋升至资深算法专家或技术Leader，带领团队探索前沿AI应用
• 主导大语言模型/多模态模型在电商场景的技术研发与落地，如智能导购、个性化推荐算法优化
• 负责用户行为理解与AIGC创新，利用Prompt Engineering、RAG、Agent等技术提升购物转化率
• 构建视觉-语言跨模态系统，解决多模态语义对齐和长上下文建模等难题
• 参与分布式训练优化，确保模型高效部署与迭代
• 精通PyTorch/TensorFlow，具备分布式训练与CUDA编程经验
• 深入理解Transformer架构，在RLHF、RAG、Agent等方向有实战落地经验
• 熟练掌握Python/Java/Scala中至少两种，熟悉Spark/Flink等大数据处理工具
• 对多模态学习、跨模态表示学习有深入研究，有视觉-语言联合建模项目经验

申请策略

• 了解京东零售的业务痛点（如用户留存、导购效率），在面试中结合技术方案提出见解
• 准备一个完整的大模型项目案例，从问题定义、方案设计到上线评估，体现端到端思维
• 突出大模型项目实战细节：模型架构、训练数据、分布式策略、落地效果（如提升转化率等）
• 详述RLHF、RAG、Agent等方向的落地案例，包括技术方案选型与迭代过程
• 强调多模态相关经验：视觉-语言预训练、跨模态对齐、长上下文建模等具体工作
• 展示工程能力：系统设计、性能优化、大数据处理框架使用经验
• 可补充学习电商领域知识，如用户行为分析、推荐系统基础
• 熟悉最新的多模态大模型论文，如CLIP、BLIP、LLaVA等，并尝试复现或改进

面试指南

• STAR法则：描述情境、任务、行动、结果，突出个人贡献与技术深度
• 对比分析：对不同技术方案进行优劣势对比，结合业务场景说明选择依据
• 分点阐述：对于开放性问题，先定义问题，再分步骤给出解决方案，最后总结评估
• 请详细介绍你参与的一个大模型项目，包括技术选型、训练策略、遇到的主要挑战及解决方式
• 对比RAG与Fine-tuning在电商场景下的适用场景与优缺点？
• 如何设计一个多模态模型来实现商品图片与文本的语义对齐？
• 你如何在分布式训练中优化模型收敛速度与资源利用率？
• 对于电商推荐系统，如何利用大模型提升个性化效果？请给出具体方案