大模型算法工程师-广告智能私信

优缺点分析

角色解读

• 技术纵深发展：成为大模型训练/推理方向的专家，主导核心算法优化
• 管理方向：带领团队攻克技术难题，晋升为技术Leader或架构师
• 跨领域拓展：向智能体、多模态等前沿方向延伸，参与公司级AI战略项目
• 负责调研和落地前沿的大模型高效训练/推理方案，包括PE、SFT、RM、RLHF等技术
• 从事强化学习与大语言模型智能体结合的交叉研究，推动广告智能客服产品迭代
• 利用自研LLM和知识库，优化抖音私信智能客服的回复质量与转化效果
• 与业务团队协作，理解广告主需求，设计并实现主动服务策略
• 扎实的机器学习/深度学习基础，熟悉大模型训练和微调方法，如SFT、RLHF
• 掌握强化学习核心算法（如PPO），具备LLM-based Agent相关经验者优先
• 优秀的编程能力，熟练使用Golang或Python，具备良好的数据结构和算法功底
• 独立解决问题的能力和团队协作精神，能快速学习并应用前沿技术

申请策略

• 提前了解字节广告业务和巨量引擎产品，在面试中展示商业理解
• 准备一个完整的LLM项目案例，从问题定义到实验结果的复盘
• 突出大模型相关项目经验，如SFT/RLHF微调、LLM推理优化等
• 展示强化学习项目，尤其是PPO算法应用，或Agent相关成果
• 强调编程能力，特别是Golang或Python的高质量代码示例
• 若有广告推荐、智能客服等业务背景，务必突出
• 深入理解LLM训练流程，动手实践SFT、RLHF代码
• 学习强化学习经典算法，重点关注PPO和MDP建模

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，清晰描述项目
• 技术深度与广度结合：先阐述理论基础，再说明实践细节，最后总结收获
• 痛点导向：强调问题背景、你的设计思路、权衡取舍以及最终效果
• 请详细描述你做过的大模型微调项目，包括数据处理、模型选择、训练策略和效果评估
• 解释RLHF的训练流程，以及PPO在其中的作用
• 如何优化LLM推理性能？请列举几种常见方法
• 你如何设计一个LLM-based Agent来提升广告回复的转化率？
• 在大模型训练中遇到过哪些工程挑战？如何解决的？