腾讯 – 大模型算法工程师-LLM&智能营销方向 职位分析和面试指导

职位简介：

作为腾讯TEG的大模型算法工程师，核心职责是开展AI原生应用的算法研发及LLM效果优化，推动前沿技术在智能营销领域的应用落地。需要负责提升自然语言理解能力，包括NL2DSL、文本生成、数学逻辑处理、向量召回等技术实现，同时探索智能体在复杂营销任务中的创新应用，实现营销活动的自动化与个性化执行。该岗位要求计算机/数学/机器学习相关专业硕士以上学历，具备扎实的机器学习与NLP基础，熟悉LLM训练调优方法如SFT/RLHF及强化学习技术，并能够通过思维链提升模型推理能力。同时需要5年以上互联网公司或营销场景算法经验，保持对营销技术趋势的敏锐洞察，具备强烈的责任心与团队协作能力。

>> 在腾讯官网查看完整职位详情。

简历及面试建议：

在准备腾讯大模型算法工程师的简历时，需要重点突出三个维度的匹配度。技术深度方面务必详细列出LLM相关经验，特别是SFT/RLHF等微调技术的具体实践，如果是开源模型如LLaMA的调优经验更要明确标注性能提升指标。营销场景的结合点很关键，建议用STAR法则描述过往项目中如何将NLP技术应用于营销场景，比如’通过构建NL2DSL系统将客户自然语言需求自动转化为营销策略DSL，使活动配置效率提升300%’这类量化成果。论文和专利情况要单独列出，特别是涉及CoT推理优化、数学逻辑处理等与JD强相关的研究。教育背景只需简明标注学校、专业和学位，避免过多无关课程信息。最后用技术栈收尾时，注意将PyTorch/TensorFlow等框架与HuggingFace/DeepSpeed等LLM工具链区分呈现，并标注熟练程度。

面试中将重点考察技术方案的场景化思考能力。当被问到LLM优化案例时，建议采用’业务痛点-技术选型-方案对比-实施细节-效果验证’的叙述逻辑，例如可以准备一个通过RLHF解决营销文案生成偏见的完整故事。代码考核可能会围绕Transformer架构展开，要熟练编写带掩码的多头注意力实现，同时准备几个Prompt Engineering的实战技巧。情景题要特别注意营销场景的特殊性，比如被问到’如何设计旅游产品推荐智能体’时，除了常规的意图识别模块，需要强调对用户决策链路的建模能力。回答技术趋势类问题时，建议结合腾讯的广告生态谈对LLM+智能营销的见解，比如Agent如何重构营销自动化流程。最后务必准备1-2个有深度的问题反问面试官，例如’腾讯如何看待开源模型与自研模型在营销场景的协同策略’这类体现行业思考的问题。