腾讯营销-大模型推荐算法工程师

优缺点分析

角色解读

• 技术深耕：成为大模型推荐领域的专家，主导核心算法研发与创新
• 管理路线：逐步带领团队，负责更复杂的业务线，晋升为技术主管或架构师
• 横向拓展：深入理解腾讯营销生态，转向产品、数据科学或商业分析等方向
• 负责线索智投系统的反馈调节与机制策略设计，提升广告投放的自动化与智能化水平
• 运用机器学习、统计学和计算广告知识，分析客户需求和投放效果，驱动策略优化
• 紧贴腾讯营销业务场景，落地技术方案并推动算法升级，跟进大模型等前沿技术
• 与业务团队紧密协作，将模型能力转化为可量化的业务价值
• 扎实的机器学习与深度学习理论，熟悉常见算法（如LR、GBDT、DNN、Transformer等）
• 熟练使用TensorFlow或PyTorch，具备模型训练、调优和部署的全流程经验
• -6年广告或推荐系统策略经验，熟悉计算广告、用户增长等领域的业务逻辑
• 具备数据敏感性和业务视角，能从海量数据中提炼洞察并驱动决策

申请策略

• 研究腾讯营销平台（如腾讯广告、广点通）的产品形态和业务痛点，在面试中展现业务敏感度
• 关注腾讯在AI和大模型领域的布局（如混元大模型），思考如何与推荐系统结合
• 重点突出广告或推荐系统的实际项目经验，包括模型设计、线上效果提升的具体案例和数据
• 强调大模型（如GPT、BERT）或预训练模型在推荐中的应用，体现技术前瞻性
• 展示数据分析和业务洞察能力，举例说明如何通过算法优化影响业务指标
• 列出熟悉的框架和工具（TensorFlow/PyTorch），以及训练大规模模型的经历
• 系统学习计算广告基础知识，如RTB、CTR预估、出价策略等，加深业务理解
• 了解大模型在推荐中的最新进展，如LLM召回、特征工程等，可阅读相关论文

面试指南

• 对于项目介绍类问题，采用STAR法则（情境、任务、行动、结果），量化指标
• 对于模型设计问题，先澄清问题边界，再分步骤阐述：数据→特征→模型→优化→部署→监控
• 对于开放性问题，先给出框架性思考，再结合自身经验举例，体现逻辑性和深度
• 请介绍一个你主导的推荐系统优化项目，包括遇到的问题和解决方案
• 如何设计一个CTR模型？从特征工程到模型架构详细说明
• 在大规模推荐系统中，如何平衡模型效果和性能？
• 你对大模型在推荐中的应用有何理解？举例说明
• 如何评估一个广告投放策略的效果？请设计实验方案