联想 – 算法工程师 职位分析和面试指导

职位简介：

作为联想的算法工程师，你将负责大模型训练调优与推理加速，包括预训练、微调及量化部署等全流程工作，并构建高性能RAG系统，优化混合检索、知识增强、长上下文建模等关键技术。同时，你将研发LLM驱动的智能体系统，设计感知、规划、记忆、工具调用等核心模块，并开发多模态融合算法，实现文本/音频/图像/视频等跨模态内容理解与生成。你需要本科及以上学历，计算机/人工智能相关专业背景，3年以上算法研发经验，精通Python/C++，并至少具备大模型技术、RAG系统、Agent开发或多模态算法中的一项核心技术能力。此外，熟悉PyTorch/TensorFlow框架，具备分布式训练和模型优化经验，以及优秀的算法实现能力和技术创新意识，能够推动技术方案落地。

>> 在联想官网查看完整职位详情。

简历及面试建议：

在撰写简历时，务必突出你在算法研发领域的核心技能和项目经验。首先，明确列出你在大模型训练调优、RAG系统构建、智能体开发或多模态算法中的专长，并用具体的技术术语（如DeepSpeed、vLLM、FAISS、LangChain等）来展示你的技术深度。其次，详细描述你参与过的相关项目，包括项目目标、你的具体贡献、使用的技术栈以及最终成果。例如，如果你曾优化过大模型的推理速度，可以量化提升效果（如“将推理速度提升30%”）。此外，强调你的编程能力（Python/C++）和框架熟悉度（PyTorch/TensorFlow），并提及任何分布式训练或模型优化的经验。最后，如果你的学历或专业背景与职位要求高度匹配，确保在简历开头清晰标注。

面试时，面试官会重点关注你的技术深度和实际解决问题的能力。准备时，首先确保你对简历中提到的每一项技术和项目都能详细解释，包括技术原理、实现细节和遇到的挑战。例如，如果简历中提到你优化过RAG系统，准备好讨论你如何选择检索算法、处理长上下文或增强知识库。其次，面试官可能会考察你的算法实现能力，因此复习常见的算法题和系统设计题是必要的。此外，由于职位强调技术创新和落地能力，准备一些你如何将前沿技术应用于实际业务的案例，并展示你的思考过程。最后，面试中保持清晰的沟通，尤其是在解释复杂技术时，尽量用简洁的语言和示例来说明。面试官可能会问及你对大模型、RAG或智能体未来发展的看法，因此提前了解行业趋势并形成自己的观点会很有帮助。