微信小游戏-大模型推荐算法工程师-商业化方向

优缺点分析

角色解读

• 技术纵深：成为大模型推荐领域的专家，主导核心算法创新
• 管理方向：可晋升为技术leader，带领团队攻克难题
• 业务拓展：转向产品策略或商业化方向，成为技术驱动型产品负责人
• 负责微信游戏生态的推荐投放算法研发，利用大模型提升推荐效率
• 参与算法全链路优化，包括素材处理、召回、排序、重排及策略机制
• 跟踪大模型推荐前沿进展，推动技术落地并驱动业务增长
• 精通推荐系统算法，熟悉召回、排序、重排等模块
• 深入理解LLM、多模态模型，有大模型推荐应用经验
• 具备扎实的数学、统计学和编程基础，能够独立建模复杂问题
• 良好的沟通协作能力，能跨团队推动算法落地

申请策略

• 关注腾讯微信事业群的技术博客，了解团队技术方向
• 展现对游戏行业和商业化逻辑的理解，增加业务匹配度
• 突出大模型推荐的实际落地案例，包括模型设计、效果提升数据
• 详细描述在推荐链路各模块（召回、排序）的具体贡献和优化经历
• 强调编程能力（如C++/Python）和工具使用（TensorFlow/PyTorch）
• 列出相关论文或开源项目，体现学术和技术影响力
• 复习LLM相关技术，如Transformer、Prompt Engineering、RLHF
• 深入理解推荐系统经典算法（DIN、DIEN等）和最新大模型融合方法

面试指南

• STAR原则：情境、任务、行动、结果，结构清晰
• 先给出核心思路，再展开细节，最后强调可落地性和效果
• 准备多个备选方案，并分析各自优劣，体现决策能力
• 请介绍一个你用大模型优化推荐系统的项目，包括挑战和收益
• 如何将LLM应用到推荐召回或排序环节？具体方案是什么？
• 在微信小游戏场景下，如何平衡推荐效果与用户隐私？
• 设计一个前沿的推荐算法，结合多模态信息和大模型
• 你如何评估推荐系统的长期价值？AB实验怎么设计？