微信读书/输入法/秒剪-大模型算法研究员-（广州）

优缺点分析

角色解读

• 技术路径：成长为AI算法专家，深耕大模型垂类方向，引领技术突破
• 管理路径：可向技术Leader发展，带领团队推进产品算法创新
• 跨产品路径：在腾讯内部多个产品线（微信读书、输入法、秒剪）间轮转，拓展业务视野
• 负责微信读书、微信输入法、微信秒剪等产品的垂类大模型算法研发，包括Agent、RL、跨模态对齐、LongContext等技术的探索与实现
• 参与大模型的设计、训练、调优和评测，持续跟进业界最新进展，推动算法在业务中落地应用
• 扎实的机器学习与深度学习基础，熟悉PyTorch或TensorFlow等框架
• 具备分布式训练经验，熟悉DeepSpeed或Megatron-LM等训练框架
• 有实际的大模型研究或落地经验，了解Agent、RL等前沿方向

申请策略

• 了解微信读书、输入法、秒剪的产品特点，思考如何用大模型优化用户体验
• 面试前准备一个完整的大模型训练或调优案例，展示问题分析、方案对比和最终效果
• 重点突出在大模型领域的项目经验，尤其是Agent、RL、跨模态等方向的实际成果
• 列出参与过的分布式训练项目，明确使用的框架和集群规模
• 如有顶会论文（ICLR、NeurIPS等）或开源贡献，需显眼位置展示
• 若缺乏RL经验，可快速学习PPO、GRPO等强化学习方法在LLM中的应用
• 熟悉LongContext技术（如RoPE、FlashAttention）和跨模态对齐方法（如CLIP）

面试指南

• 项目介绍采用STAR法则：背景、任务、行动、结果，突出个人贡献和技术难点
• 分布式训练问题：先描述现象，再分析原因，最后给出解决方案和优化效果
• 开放性应用问题：从产品需求出发，结合技术可行性，提出具体功能示例，并讨论挑战
• 请介绍你参与过的一个大模型项目，包括模型架构、训练数据和调优过程
• 在分布式训练中遇到过哪些问题？如何解决数据并行和模型并行的瓶颈？
• 你认为Agent技术在微信输入法或读书场景下有什么潜在应用？
• 如何评估一个垂类大模型的效果？请设计一个评测方案
• 你对RLHF有了解吗？对比其他对齐方法有什么优劣？