腾讯
实习元宝—基于大模型的搜索召回技术研究
北京 · 实习 · 博士
长期有效
任职要求
- 1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；
- 2、具备扎实的 信息检索 / 表示学习 / 大模型相关技术基础，熟悉向量检索、语义匹配、召回评估指标等核心问题；
- 3、熟练使用主流深度学习及大模型的训练与推理框架，对 Transformer、Embedding 模型及其在搜索场景中的应用有深入理解；
- 4、具备良好的分析与系统性解决问题能力，能够针对复杂业务场景设计、优化并落地召回算法与系统方案；
- 5、在信息检索、自然语言处理、机器学习等相关领域顶会/期刊发表论文者优先。
岗位描述
【岗位职责】
课题背景：
Embedding 和表示学习是现代搜索召回的核心基础能力。随着 AI 搜索场景对语义理解、细粒度匹配和复杂意图建模的要求不断提高，传统单向量表示逐渐暴露出表达能力不足的问题。多向量、多粒度表示以及语义与关键词联合建模，成为提升召回能力的重要研究方向。
课题挑战：
- 1、单向量表达能力有限：面对复杂语义、组合条件和细粒度匹配需求，单一向量往往难以完整表征文本。
- 2、多向量建模成本高：多向量虽然表达更强，但索引、存储、检索和在线服务成本显著增加。
- 3、多粒度表示设计复杂：如何同时建模词级、句级、段落级甚至文档级语义，并实现有效协同，是关键问题。
- 4、语义与关键词联合建模难：纯语义召回容易弱化精确约束，纯关键词召回又难覆盖深层语义，二者融合机制需要深入设计。
- 5、训练样本构建难度大：高质量 query-doc 配对、难负样本、多任务监督信号的构造直接决定表示学习效果。
具体工作：
- 1、召回embedding模型训练优化：embedding模型优化，解决复杂语义、组合条件、细粒度需求下query-title/query-chunk的 embedding search问题；
- 2、query纠错和改写优化：纠错召回和改写召回，通过query fan-out技术提升召回率。
【任职要求】
- 1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；
- 2、具备扎实的 信息检索 / 表示学习 / 大模型相关技术基础，熟悉向量检索、语义匹配、召回评估指标等核心问题；
- 3、熟练使用主流深度学习及大模型的训练与推理框架，对 Transformer、Embedding 模型及其在搜索场景中的应用有深入理解；
- 4、具备良好的分析与系统性解决问题能力，能够针对复杂业务场景设计、优化并落地召回算法与系统方案；
- 5、在信息检索、自然语言处理、机器学习等相关领域顶会/期刊发表论文者优先。
【技术方向】
大语言模型、NLP
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。