【北斗】广告大模型应用算法工程师-【多国多语言LLM-based 推搜广告】

优缺点分析

角色解读

• 技术方向：从算法工程师成长为多语言NLP/推荐系统专家
• 业务方向：深入理解多国市场，成为全球化产品技术负责人
• 学术方向：在顶级会议发表论文，参与行业标准制定
• 构建多语言搜索相关性模型，提升跨语言语义对齐能力
• 研究低资源语言的数据增强和迁移学习，改善小语种搜索体验
• 探索LLM驱动的统一推荐模型，实现跨国用户意图理解和冷启动
• 扎实的NLP和深度学习基础，熟悉多语言预训练模型（如mBERT、XLM-R）
• 熟练使用PyTorch/TensorFlow，有LLM微调和RLHF经验者优先
• 了解推荐系统或搜索引擎，具备跨语言迁移学习或零样本学习能力

申请策略

• 研究美团境外业务（如Keeta、美团香港），在面试中展示对业务的思考
• 准备一个LLM+推荐系统的小项目，展示工程落地能力
• 突出顶会论文（NLP/IR/RecSys方向）或顶级竞赛获奖经历
• 强调多语言NLP、跨语言迁移学习、LLM相关项目经验
• 如有推荐系统或搜索引擎项目，详细描述技术方案和效果
• 提前熟悉LLM微调工具（如LoRA、DeepSpeed）和多语言预训练模型
• 学习跨语言迁移学习经典方法（如XLM-R、mT5）和零样本学习技术

面试指南

• 先明确问题难点，再提出技术方案（如迁移学习、数据增强），最后评估可行性
• 结合具体案例，从数据、模型、评估三个维度系统回答
• 如何利用多语言预训练模型提升低资源语言的搜索相关性？
• 设计一个基于LLM的多国推荐系统，如何解决文化差异？
• 如何评估多语言搜索相关性？有没有统一的评估框架？
• 描述你发表的顶会论文，解决了什么核心问题？
• 复习多语言NLP和LLM最新论文，特别是跨语言迁移和推荐结合的方向
• 准备1-2个自己最得意的项目，从动机、方法、结果、创新点完整陈述