腾讯 – 微信小程序-大模型算法工程师-开发生态 职位分析和面试指导

职位简介：

作为微信小程序-大模型算法工程师-开发生态，你将负责LLM训练算法(SFT、RL）的研究与优化、训练数据合成和自动评测相关算法开发，提升模型在问答、代码生成、数据分析等领域的推理能力，并跟踪AI领域技术进展，推动前沿算法在小程序开发生态中的落地应用。你需要熟练掌握Python/C++等编程语言和PyTorch/TensorFlow等深度学习框架，熟悉Megatron/DeepSpeed等大模型训练框架，深入理解Transformer/GPT模型架构，具备大语言模型研究和应用经验，包括SFT/DPO/PPO/GRPO等技术的落地实践，同时具备良好的数据处理能力、快速学习能力和团队合作精神，并对探索前沿技术充满热情。工作地点在广州。

>> 在腾讯官网查看完整职位详情。

简历及面试建议：

在撰写简历时，你需要重点突出与大语言模型相关的技术能力和项目经验。首先，在专业技能部分明确列出你掌握的编程语言（Python/C++）、深度学习框架（PyTorch/TensorFlow）以及大模型训练框架（Megatron/DeepSpeed）的熟练程度。对于Transformer/GPT模型架构的理解程度要用具体指标量化，比如’深入理解Transformer架构，曾优化过XX层结构’。其次，在工作经历中详细描述你参与过的大语言模型项目，特别是涉及SFT/RL训练、数据合成或自动评测的部分，要使用具体数据说明你的贡献，如’通过优化SFT训练流程，将模型推理准确率提升15%’。如果你有在小程序或类似生态系统中落地AI模型的经验，一定要单独列出并详细说明。最后，在个人优势部分强调你的前沿技术探索能力和问题解决能力，可以举例说明你如何快速掌握并应用新技术解决实际问题。

面试准备时，你需要对大语言模型的各个方面有深入理解。技术面试可能会重点考察你对Transformer架构的理解程度，建议复习self-attention机制、位置编码等核心概念。准备好解释你参与过的SFT/RL训练项目细节，包括遇到的挑战和解决方案。面试官可能会让你现场设计一个训练数据合成的方案，所以要提前思考相关案例。由于职位强调技术落地能力，要准备说明如何将大模型技术应用到小程序生态中的具体思路。行为面试部分，团队合作和问题解决能力是关键，准备1-2个展示你快速学习新技术和解决复杂技术问题的故事。最后，表现出你对AI前沿技术的热情和持续学习的意愿，这对应聘这个创新导向的职位非常重要。