联想 – GenAI 算法工程师 职位分析和面试指导

职位简介：

作为GenAI算法工程师，你将负责大规模语言模型的设计、训练与优化工作，包括LLM的微调、多模态模型调优及模型部署调优，并应用大模型于实际业务场景如智能问答、智能体开发、智能化交互、语义理解与文本摘要，同时负责IT运营智能体的产品研发与优化。需具备计算机科学、人工智能或机器学习相关专业硕士及以上学历，拥有良好的数理基础和编程能力，精通深度学习理论特别是自然语言处理和大模型相关技术，熟悉模型训练调优方法及LLM应用技术与框架，熟练使用Python编程并掌握Linux环境下的开发调试，同时具备优秀的问题解决能力、创新思维和团队协作精神。有大型语言模型研发项目经验、智能运维产品开发背景或熟悉大模型训练框架和推理架构者优先。

>> 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，你需要突出自己在自然语言处理和大模型领域的专业能力。首先，确保教育背景部分清晰地展示你的计算机科学、人工智能或机器学习相关专业硕士及以上学历，这是基本门槛。在专业技能部分，要详细列出你精通的深度学习理论，特别是Transformer、BERT、GPT等大模型技术，以及SFT、PEFT、RLHF等调优方法。不要忘记提及你对LangChain、RAG、Agent等LLM应用框架的熟悉程度。项目经验是简历的重中之重，你需要详细描述参与过的大型语言模型研发项目，特别是那些从模型设计到上线部署的完整项目经历。用具体的数据和成果来展示你的贡献，比如模型性能提升了多少百分比，或者解决了哪些关键技术难题。如果你有智能运维产品开发经验，一定要突出这一点，因为这是优先考虑的条件。最后，在个人技能部分强调你的Python编程能力、Linux环境开发经验以及英语阅读能力，这些都是面试官会重点考察的硬技能。

面试准备时，你需要深入理解大规模语言模型的整个生命周期，从设计、训练到优化和部署。面试官很可能会问你在实际项目中如何解决特定的技术挑战，比如模型收敛问题或推理效率优化。准备好具体的案例，用STAR法则（情境、任务、行动、结果）来结构化你的回答。技术问题方面，要复习深度学习基础，特别是自然语言处理相关的知识，比如注意力机制、位置编码等。同时，对大模型的最新研究进展保持敏感，面试官可能会考察你是否能快速跟进国际最新科研成果。在面试过程中，展示你的问题解决能力和创新思维非常重要。当被问到如何将大模型应用于某个业务场景时，不要只给出理论方案，而要结合你过去的经验提出切实可行的技术路线。团队协作精神也是考察重点，准备好分享你如何在跨职能团队中有效工作的例子。最后，表现出对AI技术的热情和探索欲望，这会让面试官看到你的长期潜力。