腾讯
校招基于大语言模型的搜广推特征自动挖掘与增强研究
深圳总部 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1、包含但不限于计算机、模式识别、人工智能、自动化、软件工程、电子工程、统计学等专业的博士和优秀硕士；
- 2、熟悉机器学习、深度学习、大语言模型的核心算法原理，熟练掌握PyTorch、TensorFlow等至少一个深度学习框架；
- 3、较强的工程实现能力，熟练掌握Python/Java/Shell至少一门编程语言，有搜广推算法和特征相关研究和实践经验优先；
- 此课题同时招聘应届实习生和低年级实习生。
岗位描述
【岗位职责】
课题背景：
特征工程是搜广推业务核心，直接决定模型效果与用户体验。当前其高度依赖人工经验，核心痛点为：挖掘效率低、增强手段单一、跨场景特征复用难。
LLMs与Agent技术为解决上述痛点提供新路径，可高效解析数据、实现特征工程闭环。目前业内探索仍存在模型适配不足、场景融合不深等问题，因此本课题聚焦LLMs驱动的搜广推特征自动挖掘与增强，实现特征高效挖掘、衍生融合及跨场景迁移，降低成本、提升模型效果。
课题挑战：
- 1. 场景适配与挖掘效率平衡：优化LLMs与搜广推场景的适配策略，设计高效挖掘方案，在精准挖掘高价值特征的同时，控制成本、避免维度爆炸，适配海量业务数据高效处理需求。
- 2. 特征增强可控性与评估体系构建：利用LLMs实现针对性特征衍生、融合与修复，确保特征可解释、可复用；构建贴合业务的自动化评估体系，量化特征有效性、效率与稳定性。
- 3. 工程体系融合落地：将LLMs驱动的特征模块与现有搜广推工程平台、训练流程无缝融合，解决数据兼容、实时性、资源控制等工程化问题，保障成果可落地复用。
具体工作：
你将结合前沿LLMs与Agent技术，参与搜广推特征工程技术探索落地，重点工作：优化LLMs场景适配与prompt策略；研发特征自动挖掘算法；设计特征自动增强模块；构建特征评估体系；协助完成方案与现有工程体系融合及落地测试，提升特征工程效率与模型效果，支撑业务增长。
【任职要求】
- 1、包含但不限于计算机、模式识别、人工智能、自动化、软件工程、电子工程、统计学等专业的博士和优秀硕士；
- 2、熟悉机器学习、深度学习、大语言模型的核心算法原理，熟练掌握PyTorch、TensorFlow等至少一个深度学习框架；
- 3、较强的工程实现能力，熟练掌握Python/Java/Shell至少一门编程语言，有搜广推算法和特征相关研究和实践经验优先；
【加分项】
此课题同时招聘应届实习生和低年级实习生。
【技术方向】
搜索、推荐、模型应用
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 运营 岗位的常见面试问题整理
我提到了电竞方面，另一个面试官就问我对于ig战队（lol）的看法，然后一道情景题：公司和ig方面有合作，怎样运营才能吸引ig粉丝使用我们产品
查看答题思路
1. 电竞营销=粉丝经济，核心是社区运营而非传统广告 2. 跨界合作：战队/选手/IP 联名，借粉丝流量 3. 内容策略：比赛直播/选手日常/粉丝二创/社区活动 4. 案例：用 STAR 讲一个电竞相关的运营策划
另一个面试官看我的专业（偏设计）就问我愿不愿意做产品设计方向，让我发作品集 大概就这些 #咪咕#<a href="/creation/subject/928d551be73f40db82c0ed83286c8783" target="_blank" class="s
查看答题思路
1. 核心概念：一句话说清这个问题的底层逻辑 2. 方法论/框架：用 STAR 原则或专业框架结构化回答 3. 实际案例：结合一个具体场景说明 4. 量化结果：用数据佐证你的观点
你认为内容运营需要具备哪些能力
查看答题思路
1. 内容运营=创作有价值的内容→分发到正确渠道→吸引目标用户→促成转化 2. 核心能力：选题能力（知道用户想看什么）、写作能力、数据分析能力（用数据迭代内容策略） 3. 生命周期：选题→创作→审核→发布→分发→数据回收→优化→二次传播 4. 优质内容标准：原创/有用/有趣/有共鸣/有行动引导
谈谈你理解的内容生命周期
查看答题思路
1. 真诚：为什么对这个方向感兴趣（具体经历/瞬间） 2. 匹配：你的能力和这个岗位的契合点 3. 成长：你希望从这个岗位学到什么 4. 贡献：你能为团队带来什么
自我介绍
查看答题思路
1. 我是谁（姓名+学校+专业，15秒） 2. 我做过什么（最相关的 1-2 个经历，30秒） 3. 为什么适合这个岗位（能力匹配，15秒） 4. 总时长控制在 1 分钟以内 5. 避免：念简历、说「我学习能力强」这种空话
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。