腾讯
混元强化训练框架研发工程师（深圳/北京/上海）
混元强化训练框架研发工程师（深圳/北京/上海）
发布于 大约 2 个月前普通员工/个人贡献者
深圳市 / 北京市
中级经验
全职员工
仅现场办公
学历未注明
软件工程
Agent框架
Ai编程工具
Asyncio
大模型
容器化
异步编程
强化学习
RLHF
AI 估算 · 25k–50k
腾讯大厂AI核心岗位，技术要求高，薪资竞争力强，一线城市平均月薪在25k-50k之间。
职位详情
关于这个职位
该职位负责腾讯混元大模型场景下的强化训练框架研发，主要涉及Agent框架的构建与优化，支持强化学习、数据生成和自动化评估等核心业务
你将与算法团队紧密合作，推动新Agent范式的工程化落地，解决性能瓶颈，提升框架的易用性和稳定性
适合对大模型、强化学习和分布式系统有浓厚兴趣的工程师
最低要求
具备扎实的Python编程能力，熟悉异步编程（Asyncio）及并发处理的最佳实践，有良好的代码规范意识
熟悉大模型与Agent相关应用技术，熟练使用AI编程工具并理解其工作原理
熟悉K8S及容器化技术，具备相关环境下的开发或部署经验
了解大模型训练全流程（如预训练、SFT、RLHF）及基本原理
具备良好的问题分析及解决能力、沟通合作能力，有较强的Owner意识
工作职责
参与Research场景下Agent框架的研发与维护，支持强化学习、数据生成及自动化评估等业务需求
负责优化框架的易用性与稳定性，解决实际运行中的性能瓶颈，保障实验流程的高效执行
支持各类外部Agent策略及评估逻辑的接入，维护相关接口与组件，确保系统的兼容性与扩展性
结合大模型训练视角，配合算法团队进行新Agent范式的工程化落地与探索
AI 洞察
优缺点分析
优点
- 腾讯大平台，技术和资源丰富，有机会接触最前沿的大模型和强化学习技术
- 职位处于AI核心赛道，行业前景广阔，技能积累价值高
- 团队技术氛围浓厚，能与算法和工程高手协作，快速成长
- 技术栈深度大，需要同时掌握分布式系统、大模型训练和Agent框架
- 涉及研究场景，需求可能快速变化，对问题解决和Owner意识要求高
- 工作节奏可能较快，需要适应高强度研发
- 适合有大模型或强化学习背景的工程师，渴望深入AI基础设施的研发，愿意在快速变化的领域中持续学习
缺点 / 挑战
暂无明显挑战项
角色解读
- 可以成长为强化学习框架方向的专家，深入大模型训练底层技术
- 向AI Infra或算法工程方向拓展，成为团队的技术骨干
- 有机会参与前沿研究，推动Agent技术在产业中的应用
- 负责开发和维护用于强化学习的Agent框架，支持数据生成、自动评估等流程
- 优化框架的易用性和稳定性，解决性能瓶颈，确保实验高效运行
- 与算法团队合作，将新的Agent范式工程化落地，探索大模型应用
- 精通Python，熟悉异步编程（Asyncio）和并发处理
- 熟悉大模型和Agent技术，熟练使用AI编程工具
- 掌握K8S和容器化技术，有相关开发或部署经验
申请策略
- 关注腾讯混元的技术博客或开源项目，了解团队技术方向
- 面试前准备好一个完整的项目案例，强调技术深度和工程解决方案
- 突出Python编程能力，特别是异步编程和并发处理的项目经验
- 强调在大模型或Agent相关项目中的实际贡献，包括框架开发、性能优化等
- 展示K8S容器化部署经验，以及在大规模分布式环境下的工作成果
- 如果对RLHF或分布式训练不熟，建议快速学习相关原理和工具
- 可以尝试开源Agent框架（如LangChain）的实践，加深理解
面试指南
- 对于性能问题，使用STAR法（情况-任务-行动-结果），量化改进效果
- 对于技术原理问题，先讲整体流程，再深入细节，展示系统性理解
- 对于架构设计问题，从需求出发，对比不同方案，给出权衡
- 请描述一个你优化过的异步系统或框架，遇到了什么性能瓶颈？如何解决的？
- 你对RLHF训练流程的理解是什么？Agent在其中的作用是什么？
- 在K8S集群中如何部署一个需要分布式通信的强化学习任务？
- 大模型训练中，如何保证数据生成和评估的稳定性和一致性？
- 如果你要设计一个通用的Agent框架，你会考虑哪些扩展点和接口？
职位点评
73
综合评分
腾讯AI核心岗位，前沿技术栈，薪资中上，WLB一般，发展空间大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长、愿意投入AI前沿领域、对薪资和WLB要求适中的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活40
使命价值70
薪资福利
80较高
腾讯大厂，薪资在行业内具有竞争力，且有稳定的福利体系。但JD未提及具体薪资和福利，所以分数中等偏上。
薪资信号未披露（AI估算：25K-50K/月）
成长发展
90较高
该职位处于AI前沿技术领域，使用大模型、强化学习等新兴技术，有巨大的成长空间。但JD未明确提及培训或晋升通道。
技术前沿前沿/新兴技术
技术栈Python、Asyncio、K8S、大模型、Agent、强化学习、RLHF
业务类型profit_center
工作生活
40较低
工作地点在北京/深圳/上海，需现场办公，未提及弹性工作或远程。互联网大厂工作强度通常较大，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
该职位属于高速增长的大模型赛道，对社会影响力有积极贡献（推动AI技术发展），但JD未直接提及使命或社会价值。
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
腾讯 的其他在招职位
相似职位推荐
Watch Jobs