腾讯
微信搜索-Agent算法专家
微信搜索-Agent算法专家
发布于 大约 2 个月前普通员工/个人贡献者
北京市
专家级经验
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
Grpo
Search Agent
分布式训练
大模型
强化学习
CoT
DPO
PPO
RLHF
AI 估算 · 60k–80k
腾讯北京高级算法专家，大模型+强化学习方向人才稀缺，薪资具备竞争力，综合市场行情估算。
职位详情
关于这个职位
该职位负责微信搜索Agent能力的优化，包括DeepSearch/DeepResearch等Agentic能力，以及真实世界复杂任务的Agent探索
你将跟进前沿技术如Mid-Train、SFT、RLVR等，并参与稳定高效的Agentic RL方案研究
适合在大模型与强化学习交叉方向有深厚积累的算法专家，工作内容极具技术挑战与创新性
最低要求
算法功底：精通PPO、GRPO、DPO等强化学习算法，有大模型RLHF实战经验
专业深度：深刻理解CoT、自反思及工具学习，熟悉分布式训练框架
工作职责
参与微信搜索Agent能力优化，包括Search Agent（DeepSearch/DeepResearch）和真实世界复杂任务上的Agentic能力
跟进前沿技术：Mid-Train、SFT、GRM、PRM、RLVR、Agentic RL、Agent自进化、Context管理/Memory等
探索稳定高效的Agentic RL方案，探索下一代大模型结合Agent结合搜索的技术和产品范式
优先资格
学术背景：在NeurIPS、ICLR、ICML等顶会以一作发表过RL或Agent相关论文优先
AI 洞察
优缺点分析
优点
- 腾讯微信搜索业务场景丰富，数据量大，技术落地价值高
- 涉及最前沿的大模型与强化学习交叉方向，个人成长极快
- 公司平台大，资源充足，可参与顶级会议论文发表
- 技术难度高，需要同时掌握RL、LLM、Agent等多个领域知识
- 北京现场办公，工作时间可能较长
缺点 / 挑战
- 业务指标压力大，可能需要应对快速迭代和线上效果挑战
- 适合在大模型和强化学习方向有深厚积累，渴望挑战前沿技术、追求高成长性的算法专家
角色解读
- 技术纵深上可成为大模型+Agent领域的顶尖专家，主导核心算法方向
- 横向发展可转向AI产品架构或AI研究负责人，推动技术商业化落地
- 腾讯内部晋升通道清晰，可向技术总监或首席科学家方向发展
- 优化微信搜索的Agent能力，涉及DeepSearch/DeepResearch等复杂任务，提升搜索智能体在真实世界中的表现
- 跟踪并落地前沿技术，如Mid-Train、SFT、GRM、PRM、RLVR等，持续迭代模型性能
- 探索稳定高效的Agentic RL方案，推动大模型与搜索结合的产品范式创新
- 精通PPO、GRPO、DPO等强化学习算法，具备大模型RLHF实战经验
- 深刻理解CoT、自反思及工具学习，熟悉分布式训练框架（如Megatron、DeepSpeed）
- 具备较强的算法实现和系统设计能力，能够独立完成复杂实验和调优
申请策略
- 面试前深入理解微信搜索的业务特点，准备1-2个Agent优化方案思路
- 关注腾讯技术开放日或招聘宣讲，了解团队文化和技术方向
- 突出RLHF、PPO等相关项目的实际落地经验，最好有搜索或Agent场景成果
- 强调顶会论文（NeurIPS/ICLR/ICML）一作，展示学术深度
- 展示分布式训练框架的使用经验，以及模型优化技巧
- 可附上开源项目或技术博客链接，证明技术影响力
- 补习Agent相关前沿技术，如ReAct、Toolformer、Self-Reflection等
- 熟悉Megatron、DeepSpeed等分布式训练框架的原理和调优
面试指南
- 对于算法类问题，先阐述基本原理，再结合具体项目说明实现细节和调试经验
- 对于系统设计问题，先分析场景约束，再给出分阶段解决方案，并说明权衡
- 对于开放性问题，展示对前沿技术的理解，提出自己的见解和可能的探索方向
- 请详细介绍一下你参与过的RLHF项目，包括模型设计、数据收集、训练流程和效果
- PPO和GRPO的差异是什么？如何在实践中选择？
- 如何设计一个稳定的Agentic RL训练方案？面临哪些挑战？
- 如何将CoT和工具学习融入到搜索Agent中？
- 面对搜索场景的实时性要求，如何平衡模型推理速度和效果？
职位点评
78
综合评分
腾讯微信搜索Agent算法专家，前沿RL+Agent技术，高成长高薪资，工作强度较大。
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
最适合追求技术前沿和高成长性的求职者，对WLB要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活50
使命价值70
薪资福利
85较高
腾讯为已上市巨头企业，提供具有竞争力的薪资和福利，北京地区算法专家薪资处于市场高位。
薪资信号偏高 (60K-80K/月)
成长发展
95较高
岗位涉及前沿的RL+Agent技术，鼓励创新和论文发表，成长空间极大。
技术前沿前沿/新兴技术
技术栈RLHF、PPO、GRPO、DPO、CoT、Search Agent、Agentic RL、Mid-Train、SFT
业务类型ambiguous
工作生活
50较低
北京现场办公，按互联网大厂惯例可能加班，但JD未明确说明工作模式。
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
微信搜索服务亿万用户，技术影响力大，但JD未强调社会使命。
行业发展高速增长赛道
社会影响正向社会影响力较高
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