微信-高级算法工程师-音频理解/ASR/对话模型方向

优缺点分析

角色解读

• 在语音AI领域深耕，成为音频理解或语音对话方向的专家
• 向多模态大模型或AI工程化方向拓展，成为技术负责人
• 在腾讯内部，有机会引领语音技术在微信生态中的创新应用
• 研发音频理解、语音识别和语音对话大模型，包括ASR、音频问答等核心能力
• 处理大规模音频数据，构建数据清洗、标注和评测体系
• 负责大模型训练与微调，探索多模态对齐和模型融合
• 推进ASR工程化落地，优化流式识别、热词增强等在线能力
• 扎实的机器学习、深度学习和语音信号处理基础
• 熟悉大模型训练流程（预训练、SFT、RLHF等）和相关框架
• 掌握ASR相关技术（CTC、AED、Transducer、流式ASR等）
• 熟练使用PyTorch、Megatron、DeepSpeed等训练推理框架

申请策略

• 了解微信语音业务场景（如语音输入、语音助手等），在面试中展示业务理解
• 准备一个端到端的ASR或语音对话项目案例，从数据到部署完整阐述
• 突出ASR或语音相关项目经验，尤其是大模型训练和微调经历
• 展示工程化能力，如流式ASR部署、推理优化等
• 强调使用过的框架（PyTorch、Megatron等）和数据处理经验
• 如果有顶会论文或竞赛奖项，务必列出
• 补充ASR工程实践经验，如流式识别、热词增强等
• 深入了解LLM和多模态对齐技术（如Qwen-Audio、SALMONN等）

面试指南

• 对于项目介绍，采用STAR法则（情境-任务-行动-结果），突出自己的贡献和难点突破
• 对于技术原理问题，先定义核心概念，再比较优劣，最后结合实践讲经验
• 对于优化问题，先分析瓶颈，再提出多种方案，并说明选择理由
• 请介绍你参与过的ASR或语音对话项目，包括技术选型和效果
• 大模型训练中遇到过哪些问题？如何解决显存不足、过拟合等？
• 流式ASR中的延迟和准确率如何权衡？你有何优化经验？
• 讲解一下CTC和Attention-based模型的区别及适用场景
• 如何评估一个语音识别系统的性能？有哪些指标？