大模型算法实习生

优缺点分析

角色解读

• 可向大模型算法研究员、高级算法工程师方向发展，也可深入多模态、Agent等细分领域
• 积累工业界大模型落地经验，未来可担任技术专家或团队Leader
• 参与大模型算法研发，重点解决社区内容治理中的实际问题，如机审召回率和准确率提升
• 探索多模态理解、Agent搭建、RAG等前沿技术，并进行模型训练优化
• 扎实的编程能力，熟练使用Python和C++，掌握Pytorch等深度学习框架
• 对LLM、多模态、Agent等技术有深入了解和实践经验
• 较强的科研能力，有顶级论文或竞赛经历优先

申请策略

• 了解小红书内容治理业务，思考大模型如何应用
• 在简历中展示对技术趋势的理解，体现主动学习和解决问题的能力
• 突出大模型相关项目或论文，特别是多模态、Agent、RAG方向
• 强调编程能力和框架使用熟练度
• 列出顶级会议论文或ACM竞赛获奖经历
• 系统学习LLM、多模态、Agent等基础知识并动手实践
• 熟悉Pytorch和Linux环境，尝试复现前沿论文
• 准备一个端到端的项目，如基于开源模型做RAG或Agent

面试指南

• 对于项目类问题，采用STAR法则，突出技术细节和你的贡献
• 对于原理类问题，先引用经典论文，再结合实际应用举例
• 对于设计类问题，从需求分析、技术选型、实现步骤、评估迭代等维度展开
• 请介绍一个你做过的多模态或大模型项目，难点和解决方案是什么？
• 如何理解SFT和RLHF在大模型训练中的作用？
• 请设计一个Agent来解决小红书评论审核中的某个问题
• 谈谈你对Attention机制的理解，以及Transformer为什么有效？
• 如何评估大模型在内容审核任务上的效果？