大语言模型视频个性化搜索算法工程师-豆包大模型

优缺点分析

角色解读

• 深耕搜索推荐算法领域，成为技术专家或架构师
• 向多模态或大模型方向拓展，参与前沿研究
• 在字节跳动内部晋升为技术Leader，管理算法团队
• 优化豆包App视频搜索的个性化算法，提升用户体验和活跃度
• 参与召回、粗排、精排、多目标融合全链路技术环节的模型改进
• 探索大语言模型与多模态技术在视频搜索中的结合应用
• 扎实的编程能力，熟练掌握C++或Python，熟悉数据结构和算法
• 熟悉机器学习算法，具备算法应用经验和问题分析能力
• 良好的沟通协作能力，能独立探索新问题

申请策略

• 了解豆包App和字节跳动AI生态，面试中展示对业务的理解
• 准备一个端到端的算法项目介绍，突出个人贡献和效果
• 突出推荐系统、大语言模型或搜索相关项目经验
• 强调编程能力，展示GitHub或竞赛成果
• 如有顶会论文或ACM奖项，务必显著标出
• 补充大语言模型微调、多模态模型等相关知识
• 熟悉推荐系统全链路技术（召回、排序、重排）
• 练习系统设计和算法题，提升代码实现速度

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)
• 分步骤阐述：问题定义→方案设计→实验验证→迭代优化
• 体现技术深度和业务理解，不只讲模型，还要结合场景
• 请详细讲一个你优化搜索或推荐算法的项目，包括问题定义、技术方案和效果
• 如何将大语言模型应用到视频搜索场景？请给出具体思路
• 设计一个视频个性化搜索的召回和排序系统，你会怎么做？
• 谈谈多模态技术在搜索中的应用与挑战
• 给定一个case（如搜索点击率下降），如何分析并定位问题？