元宝搜索部-大模型算法研究员（Agent方向）

优缺点分析

角色解读

• 在腾讯大模型核心团队积累前沿算法经验，成为AI Agent领域专家
• 可向技术专家或团队Leader发展，主导重要模型研发项目
• 参与顶级会议论文发表，推动技术影响力，未来可跳槽至顶尖AI公司或创业
• 研究AI搜索和对话场景中的Agent算法，提升大模型的推理和规划能力
• 优化Agent的工具调用与记忆管理，提高与环境的交互精度
• 探索RAG、SFT、强化学习等前沿LLM技术，并推动落地应用
• 扎实的机器学习、深度学习和NLP基础，熟悉Transformer架构
• 精通Python和至少一种深度学习框架（如PyTorch），具备优秀的Coding能力
• 了解大模型微调、RLHF、Agent相关技术，有相关项目或论文经验优先
• 具备良好的问题分析和数据挖掘能力，能独立推进研究项目

申请策略

• 面试前准备一个Agent相关的项目或个人思考，展示独立研究能力
• 了解腾讯元宝的产品方向，思考如何结合自身技术带来改进
• 突出大模型相关项目经验，如Agent、RAG、SFT等具体工作成果
• 强调顶会论文、竞赛获奖或开源贡献，体现技术深度
• 详细描述对Agent推理、工具调用等问题的解决方案和效果
• 展示编程能力（如PyTorch实现复杂模型）和数据分析案例
• 系统学习LangChain、AutoGPT等Agent框架，动手搭建Demo
• 复现最近LLM论文中的Agent方法，加深理解

面试指南

• STAR法则：描述场景、任务、行动和结果，突出技术难点和创新点
• 原理+实践：先阐述理论基础，再说明实际落地中的取舍和优化
• 对比分析法：比较不同方案的优劣，展示系统性思考
• 请介绍一个你参与的Agent项目，包括遇到的挑战和解决方案
• 如何设计Agent的记忆管理机制以提升多轮对话效果？
• 解释一下ReAct框架和Plan-and-Solve的区别？
• 如何评估大模型的工具调用准确性？给出评价指标
• 谈谈你对Multi-Agent协作的看法，适用场景有哪些？