腾讯 – 企业微信-深度学习高级/专家算法工程师-RAG方向 职位分析和面试指导

职位简介：

作为企业微信深度学习算法工程师，你将主导大语言模型在知识问答场景的算法优化，负责构建完整的RAG技术体系并持续提升模型性能，需要带领团队进行前沿技术探索和业务落地。该岗位要求计算机/机器学习相关硕士学历，扎实的算法基础，特别强调3年以上大模型SFT/RL调优经验，熟悉RAG全链路技术模块（包括Query规划、文档处理、混合搜索等），具备复杂场景RAG应用经验者优先，同时顶会论文发表或开源贡献也是重要加分项。工作地点位于成都。

>> 在腾讯官网查看完整职位详情。

简历及面试建议：

在准备这份简历时，你需要特别突出RAG技术栈的完整项目经验，用具体数据量化大模型调优的效果提升。建议在项目经历中单独设立’RAG专项’板块，详细描述你主导的Query优化策略、文档解析准确率提升方案、混合搜索架构设计等关键技术细节。对于大模型训练经历，要明确标注SFT/RL的具体调参规模（如’完成百亿参数模型的RLHF全流程调优’）和业务指标提升（如’问答准确率提升15%’）。教育背景部分除了常规学历信息，建议将顶会论文标题和开源项目链接直接标注在醒目位置。最后记得用’技术关键词云’的形式在简历末尾集中呈现LLM、RAG、NeurIPS等专业术语，方便HR系统筛选。

面试时将重点考察RAG技术体系的深度理解，建议准备一个完整的RAG优化案例，按照’业务痛点-技术选型-模块拆解-效果验证’的逻辑进行阐述。特别注意准备混合搜索的技术对比（如关键词搜索vs向量搜索的融合策略），以及如何处理多模态文档（如图片中的文字信息抽取）。大模型相关问题可能会涉及SFT数据构造的难点、RLHF中的奖励模型设计等细节。技术讨论时要主动展示对前沿论文的跟踪（如最新发布的RAG优化方案），但切记关联实际业务场景。当遇到算法设计题时，建议先明确业务约束条件（如响应延迟要求），再给出分阶段的优化方案。最后记得准备1-2个关于企业微信具体业务场景的提问，展现你的业务理解深度。