大模型算法专家岗位竞争激烈，面试官不仅关注算法深度，更看重工程落地、业务理解与跨团队协作能力。本章从企业真实JD出发，拆解岗位能力画像，提供简历优化结构、关键词清单与成果量化句式，并针对高频面试问题进行结构化训练。
| 能力维度 | 核心要求 | 简历关键词 |
|---|---|---|
| 算法基础 | Transformer/Attention/预训练/RLHF原理 | LLM、RAG、MoE、PPO、DPO |
| 模型训练 | 分布式训练策略、数据配比、SFT/DPO调参 | DeepSpeed、Megatron、LoRA、Q-LoRA |
| 工程部署 | 推理优化（vLLM/TensorRT）、服务化、A/B测试 | ONNX、量化、KV Cache、吞吐优化 |
| 业务理解 | 场景拆解、指标定义、ROI评估 | 用户留存、转化率、业务对齐 |
| 沟通协作 | 跨团队推动、技术方案汇报、评审 | PM协作、技术分享、排期规划 |
面试官考察点：项目真实性、角色定位、成果量化能力、对业务目标的把握。
回答框架：STAR → 先一句话总结目标（Task），再讲具体动作（Action），最后给出量化结果（Result），收尾谈个人学习（Learning）。
简短示例回答：
“在智能客服项目中，我的任务是提升多轮对话的首轮准确率。我主导了RAG检索优化，引入混合检索（BM25+向量），并设计动态阈值过滤低质知识片段。上线后首轮准确率从68%提升至81%，用户转人工率下降22%。这一经历让我深入理解了检索增强与业务对齐的关系。”
可能追问：检索失败时你如何兜底？数据质量如何保证？
避坑提醒：不要只讲团队“我们做了什么”，要突出“我做了什么”及可复现的量化值。
面试官考察点：对齐方法理解深度、数据构造经验、避免reward hacking的策略。
回答框架：先说明选择DPO还是RLHF的理由，再讲数据收集与清洗流程，最后提及评估方式和迭代闭环。
简短示例回答：
“我优先使用DPO以避免单独训练Reward Model的额外开销。偏好数据来自人工标注 + 线上bad case采样，每条数据包含一对(win, lose)回复。我们引入‘安全对抗样本’防止模型产生有害输出。最终评测拒答率（有害提问）从12%降至1.5%，同时保留95%的正常对话通过率。”
可能追问：标注一致性如何保证？DPO与PPO的优缺点对比？
避坑提醒：不要泛泛说“我们用了DPO”，要具体到数据规模、清洗规则和迭代次数。
面试官考察点：工程化评估思维、离线+在线指标联动、异常监控能力。
回答框架：分层评估 → 离线自动化测试（BLEU/Rouge/语义相似度）+ 线上A/B测试（核心业务指标）+ 实时bad case监控。
简短示例回答：
“我会搭建三层评估漏斗：第一层离线单元测试（5000条覆盖所有意图的seed集），第二层A/B实验跟踪点击率、对话轮次、超时率，第三层bad case自动聚类（每小时收集用户举报和低分反馈）。某次上线后离线分数+1.2%，但线上超时率上升，及时回滚避免损失。”
可能追问：离线指标与线上效果不一致时你怎么排查？如何设计差异化的评估集？
避坑提醒：不要只说用人工评估，必须提及自动化的召回率和精准率监控手段。