微信小程序-搜索算法工程师-Agent方向

优缺点分析

角色解读

• 在搜索与大模型交叉领域深耕，成为技术专家，负责更核心的算法模块
• 向技术管理方向发展，带领团队负责整个搜索算法方向
• 横向拓展到其他AI领域，如推荐、NLP等，成为综合性AI人才
• 负责Agent场景下小程序搜索算法的全链路研发，包括Query理解、召回、粗排、精排、重排等模块，构建新一代搜索系统
• 将大模型技术深度融合到搜索场景，包括Query改写模型的微调与蒸馏、领域Embedding后训练、以及基于Cross-Encoder/LLM的Rerank模型训练
• 与工程团队协作，设计搜索评估体系，构建训练数据飞轮，并通过A/B实验持续优化搜索效果
• 扎实的机器学习与深度学习功底，熟悉Transformer架构及主流大模型，具备微调、后训练与蒸馏的实操经验
• 熟悉搜索系统全链路架构，具备召回、排序等核心环节的模型优化经验
• 具备搜索数据建设与索引工程经验，熟悉倒排索引、向量索引和特征Pipeline

申请策略

• 了解腾讯微信小程序搜索的业务场景和用户需求，思考Agent方向带来的新挑战
• 准备一个完整的项目案例，展示从问题定义、方案设计到效果评估的全过程
• 突出搜索或NLP相关的项目经验，特别是召回、排序、Query理解等环节的优化案例
• 强调大模型微调、蒸馏、后训练的实操经验，包括具体模型和效果提升数据
• 展示数据建设和特征工程能力，如倒排索引、向量索引的构建经验
• 深入学习Transformer架构和主流大模型（如GPT、LLaMA）的原理和微调方法
• 熟悉搜索系统的整体架构，了解业界最新的搜索+LLM融合方案
• 加强工程能力，熟悉Python、TensorFlow/PyTorch，以及分布式训练框架

面试指南

• 采用STAR法则（情境、任务、行动、结果）清晰描述项目经历，突出个人贡献和量化成果
• 对于技术方案类问题，先阐述整体思路，再分步骤说明，最后总结潜在问题和解决方案
• 结合具体业务场景，展示对搜索+大模型融合的深入理解，并体现数据驱动和实验验证的思维
• 请详细描述你过去负责的搜索算法项目，包括架构、模型和效果提升
• 如何将大模型应用于搜索排序？请谈谈你的思路和可能遇到的挑战
• 在构建训练数据飞轮时，如何保证数据质量和多样性？
• 如何设计A/B实验来评估搜索效果？有哪些关键指标？
• 请解释一下Query改写模型微调（SFT）和蒸馏的具体流程