腾讯
实习微信搜索-大模型AI搜索研究与落地
北京/广州 · 实习 · 博士
长期有效
任职要求
- 1、博士或者有优秀学术项目经历的硕士
- 2、计算机/人工智能相关专业，具有大模型研究经验，有业界高水平大模型实验室或公司实习、大模型方向顶会论文优先
- 3、具有大模型和搜索结合、AI agent、RL方向研究经验更佳
- 4、强烈的好奇心和自驱，对大模型研究和系统化落地有热情，有一定的用户视角产品理解力。
岗位描述
【岗位职责】
课题背景：
随着大模型技术的发展，搜索正在从传统的“关键词检索”升级为“生成式问答+自动信息探索”的新范式，以AI Overview和AI Search Bot为代表的产品受到越来越多用户的青睐。研究构建AI搜索（AI-native Search）能力，落地并解决真实用户场景的效率和效果问题，是当前重要且极具挑战的课题。
具体研发内容包括但不限于：
- 1、检索增强的信息整合与推理技术：基于强化学习的答案生成优化、证据溯源、大模型可信评估与幻觉控制、复杂问题计算和推理等。
- 2、Agentic Search关键技术：搜索任务规划、多轮搜索与探索策略、工具调用、多Agent协作搜索。
- 3、利用用户信号持续优化AI搜索系统：短期和长期用户行为建模、RLHF、Online Learning、个性化搜索、长期用户价值优化等。
【任职要求】
- 1、博士或者有优秀学术项目经历的硕士
- 2、计算机/人工智能相关专业，具有大模型研究经验，有业界高水平大模型实验室或公司实习、大模型方向顶会论文优先
- 3、具有大模型和搜索结合、AI agent、RL方向研究经验更佳
- 4、强烈的好奇心和自驱，对大模型研究和系统化落地有热情，有一定的用户视角产品理解力。
【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。