微信-小微推荐算法工程师-广州

优缺点分析

角色解读

• 从算法工程师向技术专家或架构师方向发展，深入LLM和推荐系统领域
• 有机会参与核心AI产品研发，积累前沿技术经验，成为团队技术骨干
• 可向技术管理岗位发展，带领团队负责更复杂的AI系统建设
• 负责搭建Personal Agent系统，包括用户画像、世界知识、个性化信息处理和agentic推荐服务
• 参与LLM后训练，增强模型在共情、表达、推荐等方面的能力
• 研究LLM/Agent的持续学习问题，内化用户历史信息和世界知识
• 扎实的数学和数据结构算法基础，具备优秀的问题分析和建模能力
• 对Agent harness有深入思考和实践，能利用不同尺寸LLM完成系统应用
• 熟悉LLM预训练和后训练，了解如何优化LLM在特定方向的表现

申请策略

• 了解腾讯微信团队的业务方向和技术栈，在面试中展现对产品的理解
• 准备项目案例，突出个人贡献和解决复杂问题的能力
• 突出LLM相关项目经验，如预训练、后训练、微调等
• 强调推荐系统或Agent系统开发经验，展示实际成果
• 展示扎实的数学和算法功底，如竞赛获奖、论文发表等
• 深入学习LLM原理和最新技术，如Transformer、RLHF等
• 实践Agent框架，如LangChain、AutoGPT等，提升系统构建能力
• 加强推荐算法知识，如协同过滤、深度学习推荐模型等

面试指南

• 采用STAR法则（情境、任务、行动、结果）回答项目经验问题，突出个人贡献和成果
• 对于系统设计问题，从需求分析、架构设计、技术选型、评估指标等方面展开
• 对于技术原理问题，先阐述基础概念，再结合实践案例说明
• 请介绍一个你参与的LLM项目，如何优化模型在特定任务上的表现？
• 如何设计一个Personal Agent系统来提升推荐效果？
• 谈谈你对持续学习的理解，以及如何应用到LLM中？
• 如何平衡模型性能和计算资源？
• 请解释一下你如何利用不同尺寸的LLM进行系统应用？