腾讯
微信小程序-大模型算法工程师-智能体方向
微信小程序-大模型算法工程师-智能体方向
发布于 大约 16 小时前普通员工/个人贡献者
广州市
高级经验
全职员工
仅现场办公
学历未注明
模型训练
PyTorch
TensorFlow
SFT
大模型
RL
模型调优
评估体系
工具调用
对话理解
AI 估算 · 35k–55k
大模型方向热、技能稀缺，腾讯平台加成，薪资竞争力强。
职位详情
关于这个职位
该职位负责微信小程序智能体的大模型训练与优化，主要涉及SFT和RL等模型训练方法，提升智能体在工具调用和对话理解方面的表现
你将参与建立评估体系来量化智能体执行质量，需要深入理解大模型机制并具备丰富的模型调优和部署经验
最低要求
熟练掌握 SFT、RL 等模型训练方法，有丰富的模型调优和部署经验
对大模型的运作机制有深入理解，熟悉常用算法和框架（如 PyTorch、TensorFlow ）
除了对业界先进论文跟进外，能够创新性提出不一样的解法
优秀的逻辑思维能力和问题解决能力，良好的团队协作和沟通能力
工作职责
负责小程序智能体的 SFT、RL 等模型的训练工作，提升大模型在工具调用、对话理解的表现
建立评估体系，多维度评测量化智能体的执行质量
AI 洞察
优缺点分析
- 腾讯平台提供海量数据和丰富应用场景，技术积累深厚
- 聚焦大模型与智能体前沿方向，职业发展空间广阔
- 团队氛围技术导向，鼓励创新和论文跟进
- 模型训练对计算资源和工程能力要求高，需应对技术难点
- 智能体效果评估复杂，需要不断试错和调优
- 技术迭代快，需持续学习前沿论文和算法
- 适合对NLP和大模型有浓厚兴趣、喜欢技术挑战、具备强自驱力的算法工程师
角色解读
- 深耕大模型训练与智能体方向，成为AI算法专家
- 可向技术Leader或架构师发展，带领团队攻克难题
- 横向拓展至其他业务线（如平台级AI中台）
- 负责微信小程序智能体的SFT和RL模型训练，优化大模型的工具调用与对话理解能力
- 建立多维评估体系，量化智能体的执行质量并持续迭代改进
- 跟进前沿论文，创新性地提出算法改进方案
- 熟练掌握SFT、RL等模型训练方法，具备丰富的调优和部署经验
- 深入理解大模型运作机制，熟悉PyTorch、TensorFlow等框架
- 优秀的逻辑思维和问题解决能力，能独立提出创新解法
申请策略
- 了解微信小程序生态与智能体应用场景
- 关注腾讯混元大模型的最新动态
- 突出SFT/RL相关项目经验，展示模型调优的量化成果
- 强调对Transformer、LLM机制的深入理解
- 如有论文或开源贡献，重点呈现
- 学习RLHF、PPO等强化学习与语言模型结合的算法
- 熟悉LangChain、RAG等智能体框架
面试指南
- 用STAR法则（情境-任务-行动-结果）描述项目经历
- 结合具体数据和对比实验说明改进效果
- 展示对算法原理的深入理解，同时体现工程落地能力
- 请讲述一个你使用SFT或RL优化模型的具体案例
- 如何设计智能体的评估指标？遇到过哪些困难？
- 请解释RLHF的原理，并谈谈你对PPO的理解
- 如果智能体工具调用准确率不高，你会如何改进？
- 你如何跟进最新论文并应用到实际工作中？
匹配度报告
74
综合匹配度
腾讯大模型算法岗，前沿技术栈，成长空间大，但仅现场办公且强度可能较高。
适合人群
该职位最适合追求技术成长和前沿领域的求职者，若对WLB要求不高则是极佳选择。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利匹配
80较高
腾讯作为上市大厂，薪酬福利体系完善，算法岗位薪资具有较强竞争力，但JD未明确薪资，需面议。
薪资信号面议 (35K-55K/月)
成长发展匹配
90较高
大模型与智能体属前沿技术领域，岗位要求跟进先进论文、创新性解决，成长空间巨大。
技术前沿前沿/新兴技术
技术栈SFT、RL、大模型、PyTorch、TensorFlow
业务类型profit_center
工作生活匹配
50较低
仅现场办公，未提及弹性或远程，互联网大厂通常工作强度较高。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
75中等
大模型赋能小程序，有较大社会影响力，但JD未强调使命与价值导向。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs