本文详细解析了京东大模型算法工程师的薪资待遇、面试流程及核心问题。文章涵盖了从自我介绍、大模型微调、上下文窗口长度、对齐技术到大模型工程化落地等多个方面的面试要点并探讨了如何处理大规模数据、高并发请求以及模型性能下降等问题。此外还介绍了大模型与业务场景结合的方法以及如何在大模型项目中体现创新点。最后文章还包含了二面问题的详细解答如项目经验、大模型推理优化工具、RLHF与RLAIF对比等为求职者提供了全面的面试准备指南。岗位京东-算法工程师大模型方向工作地点北京/上海bg:末尾985硕疑问要不要去薪资京东校招算法岗采用20 薪结构年包按照级别浮动比较大本科白菜18–21K / 月 → 年固定21.6–25.2 万硕士白菜21–24K / 月 → 年固定25.2–28.8 万硕士SP25–28K / 月 → 年固定30–33.6 万硕士SSP / 大模型29–33K / 月 → 年固定34.8–39.6 万博士TGT / 顶尖计划40–60K / 月 → 年固定48–72 万一面自我介绍请简述大模型微调Fine-tuning的核心思路对比全参数微调、LoRA、QLoRA等微调方法的优缺点以及你在项目中选择某种微调方法的依据和实践效果。大模型的上下文窗口长度对模型性能有什么影响如何突破上下文窗口的限制提升模型对长文本的处理能力请解释大模型的对齐Alignment技术如RLHF、RLAIF说明其核心目的和实现流程你在项目中是否有相关实践京东大模型涉及商品理解、图像/视频生成等场景请说明你对这些场景中核心技术如图像/文本跨模态建模、商品语义抽取的理解以及相关技术的难点和解决方案。大模型推理过程中如何提升推理速度和降低显存占用请说明你使用过的优化技术如量化、剪枝、推理加速框架及实践效果。京东大模型需要处理亿量级数据请说明你在项目中是如何处理大规模数据数据清洗、预处理、高效加载的遇到过哪些问题如何解决的请描述一个你参与的大模型工程化落地项目包括模型训练、推理部署的完整流程如何保证系统的稳定性、高可用性和可扩展性在大模型部署过程中如何处理高并发请求你使用过哪些部署工具如TensorRT、vLLM请说明其核心原理和使用体验。如果大模型在业务场景中出现性能下降如生成质量变差、推理延迟升高你会如何排查和解决问题在你的大模型相关项目中你有哪些创新点如算法改进、模型优化、场景创新等请详细说明创新思路、实现过程和最终效果。结合你做过的大模型项目说明你是如何将大模型与具体业务场景如推荐、检索、语义理解等结合的题目二叉树的层序遍历LeetCode 102。要求给定一个二叉树返回其按层序遍历得到的节点值即逐层地从左到右访问所有节点请用你熟悉的编程语言实现并说明时间复杂度和空间复杂度。二面在你的项目中你认为那个项目最能体现你的付出和能力的请详细介绍你在项目中用过哪些大模型推理优化工具请对比RLHF、RLAIF、DPO、IPO、KTO的核心原理、训练流程、优缺点以及电商场景选型建议。大模型强化学习中奖励函数如何设计针对京东商品对话/推荐场景你会如何构建高质量奖励信号强化学习训练大模型时常见不稳定性、模式崩溃问题你有哪些解决策略离线强化学习Offline RL如何应用于大模型适合京东的哪些业务场景面向京东电商场景商品咨询、订单处理、退货咨询、多轮检索你会如何设计一个专属智能体包含工具、记忆、规划模块。大模型智能体的工具调用Tool Use原理是什么如何提升工具调用成功率与准确率智能体的长期记忆、短期记忆如何设计海量用户对话场景下如何高效存储与检索记忆多智能体协作Multi-Agent在电商生态中的应用价值是什么可能的落地方向有哪些大模型位置编码RoPE、ALiBi的核心原理与长文本建模优劣对比。请说明MoE架构的核心设计、训练难点以及在京东亿级数据场景的价值。大模型幻觉Hallucination产生的原因在电商商品场景如何系统性抑制面向京东高并发场景大模型智能体服务如何做到低延迟、高吞吐、模型监控中你会关注哪些核心指标如何用大模型智能体提升京东生成式推荐、商品理解的效果你有那些思路。题目合并K个升序链表给你一个链表数组每个链表都已经按升序排列。请你将所有链表合并到一个升序链表中返回合并后的链表。要求最优解法实现说明复杂度。假如你从2026年开始学大模型按这个步骤走准能稳步进阶。接下来告诉你一条最快的邪修路线3个月即可成为模型大师薪资直接起飞。阶段1:大模型基础阶段2:RAG应用开发工程阶段3:大模型Agent应用架构阶段4:大模型微调与私有化部署配套文档资源全套AI 大模型 学习资料朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】配套文档资源全套AI 大模型 学习资料朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】
京东大模型算法工程师面经深度解析：薪资、面试题、项目经验全收录，助你拿下高薪Offer！
本文详细解析了京东大模型算法工程师的薪资待遇、面试流程及核心问题。文章涵盖了从自我介绍、大模型微调、上下文窗口长度、对齐技术到大模型工程化落地等多个方面的面试要点并探讨了如何处理大规模数据、高并发请求以及模型性能下降等问题。此外还介绍了大模型与业务场景结合的方法以及如何在大模型项目中体现创新点。最后文章还包含了二面问题的详细解答如项目经验、大模型推理优化工具、RLHF与RLAIF对比等为求职者提供了全面的面试准备指南。岗位京东-算法工程师大模型方向工作地点北京/上海bg:末尾985硕疑问要不要去薪资京东校招算法岗采用20 薪结构年包按照级别浮动比较大本科白菜18–21K / 月 → 年固定21.6–25.2 万硕士白菜21–24K / 月 → 年固定25.2–28.8 万硕士SP25–28K / 月 → 年固定30–33.6 万硕士SSP / 大模型29–33K / 月 → 年固定34.8–39.6 万博士TGT / 顶尖计划40–60K / 月 → 年固定48–72 万一面自我介绍请简述大模型微调Fine-tuning的核心思路对比全参数微调、LoRA、QLoRA等微调方法的优缺点以及你在项目中选择某种微调方法的依据和实践效果。大模型的上下文窗口长度对模型性能有什么影响如何突破上下文窗口的限制提升模型对长文本的处理能力请解释大模型的对齐Alignment技术如RLHF、RLAIF说明其核心目的和实现流程你在项目中是否有相关实践京东大模型涉及商品理解、图像/视频生成等场景请说明你对这些场景中核心技术如图像/文本跨模态建模、商品语义抽取的理解以及相关技术的难点和解决方案。大模型推理过程中如何提升推理速度和降低显存占用请说明你使用过的优化技术如量化、剪枝、推理加速框架及实践效果。京东大模型需要处理亿量级数据请说明你在项目中是如何处理大规模数据数据清洗、预处理、高效加载的遇到过哪些问题如何解决的请描述一个你参与的大模型工程化落地项目包括模型训练、推理部署的完整流程如何保证系统的稳定性、高可用性和可扩展性在大模型部署过程中如何处理高并发请求你使用过哪些部署工具如TensorRT、vLLM请说明其核心原理和使用体验。如果大模型在业务场景中出现性能下降如生成质量变差、推理延迟升高你会如何排查和解决问题在你的大模型相关项目中你有哪些创新点如算法改进、模型优化、场景创新等请详细说明创新思路、实现过程和最终效果。结合你做过的大模型项目说明你是如何将大模型与具体业务场景如推荐、检索、语义理解等结合的题目二叉树的层序遍历LeetCode 102。要求给定一个二叉树返回其按层序遍历得到的节点值即逐层地从左到右访问所有节点请用你熟悉的编程语言实现并说明时间复杂度和空间复杂度。二面在你的项目中你认为那个项目最能体现你的付出和能力的请详细介绍你在项目中用过哪些大模型推理优化工具请对比RLHF、RLAIF、DPO、IPO、KTO的核心原理、训练流程、优缺点以及电商场景选型建议。大模型强化学习中奖励函数如何设计针对京东商品对话/推荐场景你会如何构建高质量奖励信号强化学习训练大模型时常见不稳定性、模式崩溃问题你有哪些解决策略离线强化学习Offline RL如何应用于大模型适合京东的哪些业务场景面向京东电商场景商品咨询、订单处理、退货咨询、多轮检索你会如何设计一个专属智能体包含工具、记忆、规划模块。大模型智能体的工具调用Tool Use原理是什么如何提升工具调用成功率与准确率智能体的长期记忆、短期记忆如何设计海量用户对话场景下如何高效存储与检索记忆多智能体协作Multi-Agent在电商生态中的应用价值是什么可能的落地方向有哪些大模型位置编码RoPE、ALiBi的核心原理与长文本建模优劣对比。请说明MoE架构的核心设计、训练难点以及在京东亿级数据场景的价值。大模型幻觉Hallucination产生的原因在电商商品场景如何系统性抑制面向京东高并发场景大模型智能体服务如何做到低延迟、高吞吐、模型监控中你会关注哪些核心指标如何用大模型智能体提升京东生成式推荐、商品理解的效果你有那些思路。题目合并K个升序链表给你一个链表数组每个链表都已经按升序排列。请你将所有链表合并到一个升序链表中返回合并后的链表。要求最优解法实现说明复杂度。假如你从2026年开始学大模型按这个步骤走准能稳步进阶。接下来告诉你一条最快的邪修路线3个月即可成为模型大师薪资直接起飞。阶段1:大模型基础阶段2:RAG应用开发工程阶段3:大模型Agent应用架构阶段4:大模型微调与私有化部署配套文档资源全套AI 大模型 学习资料朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】配套文档资源全套AI 大模型 学习资料朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】
