腾讯 – 腾讯云-生成式AI应用研发工程师 职位分析和面试指导

职位简介：

作为腾讯云生成式AI应用研发工程师，你将负责AI agent的工程架构设计与研发，包括客户端/服务端业务逻辑代码和数据库结构生成等应用开发辅助工作，同时参与搭建用于训练、评估和优化Agent AI的框架，优化LLM在特定领域表现并提升业务效果。该职位需要你参与LLM模型的优化实现工作，包括数据构建、模型微调优化、领域蒸馏参数轻量化部署等，并持续关注AI研究尤其是大语言模型领域的最新进展，将这些成果应用到Agent AI研发中。应聘者需具备本科及以上学历和5年以上相关经验，有大语言模型应用经验者优先，包括精调、蒸馏、强化学习等技术落地，以及RAG、向量数据库、复杂任务调度系统、chatbot相关经验，同时需要精通Python等编程语言和TensorFlow、Keras、PyTorch等深度学习框架，拥有良好的数学基础和英语阅读能力，具备进取心、求知欲及团队合作精神。

>> 在腾讯官网查看完整职位详情。

简历及面试建议：

在准备腾讯云生成式AI应用研发工程师的简历时，你需要特别突出与大语言模型相关的实际项目经验。这不是简单地列出你使用过哪些技术，而是要详细描述你在项目中如何应用这些技术解决了什么问题。比如，如果你参与过精调(SFT)项目，要说明你调整了哪些参数、解决了什么问题、最终提升了多少指标。对于RAG和向量数据库的经验，可以具体描述你设计的检索系统架构、处理的数据规模以及性能优化措施。在技能部分，除了列出Python和深度学习框架外，建议量化你的熟练程度，比如’使用PyTorch开发过3个生产级AI模型’。由于这个职位特别强调技术创新，你可以在简历中加入’技术创新’专栏，列出你在AI领域申请的专利、发表的文章或开源贡献。最后，不要忘记展示你的英语能力，特别是阅读AI论文的能力，这可以通过列出你翻译或引用的论文来证明。

面试腾讯云这个职位时，你需要做好技术深度和广度的双重准备。技术深度方面，面试官很可能会要求你现场设计一个AI agent架构或解释某个模型优化技术的数学原理。建议提前复习强化学习、蒸馏算法等核心概念，并准备2-3个能展示你技术深度的项目案例，用STAR法则(情境-任务-行动-结果)来组织你的回答。技术广度方面，可能会考察你对最新AI研究的了解程度，建议每天花30分钟浏览arXiv上大语言模型领域的新论文，重点关注与Agent AI相关的研究。面试中要特别注意展示你的问题解决思路，腾讯非常看重工程师的独立思考能力。当被问到技术难题时，不要急于给出答案，可以先分析问题背景、提出几种可能的解决方案并比较优劣。最后，这个职位强调团队合作，准备1-2个你带领或参与技术团队攻坚克难的故事，重点说明你在团队中的独特贡献。