QQ-多模态大模型算法工程师-深圳/北京

优缺点分析

角色解读

• 技术专家路线：深入大模型底层原理，成为多模态方向的算法专家
• 业务落地路线：将模型能力与腾讯业务结合，推动产品创新
• 管理路线：未来可带领算法团队，负责核心方向的技术规划
• 负责多模态大模型的算法优化与业务落地，涵盖LLM、图像/视频/3D生成、生成式推荐等方向
• 调研并应用业界前沿算法，包括后训练、强化学习等技术，提升模型效果
• 参与项目讨论，从技术角度为产品应用提供改进建议
• 扎实的机器学习/深度学习基础，熟悉大模型精调、RLHF等技术
• 熟悉计算机视觉或多模态领域的研究与算法，具备较强的论文阅读与复现能力
• 良好的编程能力，熟悉Python及主流深度学习框架（如PyTorch）

申请策略

• 提前了解腾讯AI相关业务，在简历中体现对业务场景的理解
• 可以附GitHub或技术博客，展示持续学习和动手能力
• 突出大模型相关的项目经验，特别是精调、RLHF等落地案例
• 强调与多模态/视觉相关的论文或比赛成绩，展示研究能力
• 列出熟悉的工具框架，如PyTorch、Transformers、DeepSpeed等
• 深入学习Transformer、Diffusion等模型原理，掌握大模型训练优化技巧
• 若缺少大模型经验，可先在小规模任务上实践，并补充强化学习知识

面试指南

• 用STAR法则回答项目问题，突出挑战和解决方案
• 对于技术原理问题，从基础概念到实践细节层层递进
• 可以结合论文和开源代码，展示学习深度
• 介绍一下你在大模型方面的项目，如何解决训练和推理中的问题？
• 如何设计一个多模态模型？如何融合视觉和文本信息？
• 你对RLHF的理解？实际应用中有什么挑战？
• 如何评估一个生成模型的性能？有哪些指标？
• 最近读过哪些大模型相关论文？有何启发？