微信
微信搜索-大模型算法工程师-搜索 Planner 方向
微信搜索-大模型算法工程师-搜索 Planner 方向
发布于 大约 15 小时前普通员工/个人贡献者
全职员工仅现场办公NLP工程
NLP工程
Ai-Native
Dpo
Nlp
Pytorch
Rlhf
Sft
分布式训练
大模型
推理优化
值不值得投
76综合评分
综合评分 76
前沿大模型技术、核心业务、技术成长空间大，办公地点明确。
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。
薪资怎么样
35K
与NLP工程中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 160 个在招
市场机会
选择不多
广州 · NLP工程 · 2 个在招
职位详情
关于这个职位
该职位是微信搜索业务中的大模型算法工程师，专注于搜索 Planner 方向
你将负责基于大模型构建搜索 query 理解与改写系统，设计并优化从数据构建、模型训练、对齐到高效推理的全链路算法方案，最终通过端到端指标驱动搜索效果提升
最低要求
计算机、人工智能、数学等相关专业，硕士及以上学历，2 年以上大模型 / NLP / 搜索相关经验
深入理解 Transformer 架构与大模型技术栈，包括注意力机制、KV Cache、预训练与后训练（SFT / RLHF / DPO）、量化与推理优化
有大模型训练实操经验，熟悉 LoRA / QLoRA、分布式训练、DeepSpeed 等，能独立完成微调与对齐
AI-Native 工作方式，熟练运用 AI 编程工具与自动化 pipeline，能快速搭建数据、训练、评测的自动化链路
精通 Python 与 PyTorch，具备良好的工程落地能力与业务 sense，以端到端效果为导向
工作职责
负责搜索 Planner 的算法设计与研发，基于大模型构建 query 理解与改写系统，覆盖纠错、归一化、意图补全、语义扩展等场景
设计并构建 SFT / RLHF / DPO 训练数据 pipeline，包括数据采集、蒸馏、质量过滤与模板组装，探索数据合成等 AI-Native 数据生产方式
攻关大模型训练与对齐的关键难题，包括输出长度偏差、类别不平衡、训练-推理分布一致性等
设计高效推理链路，包括 constrained decoding、early stopping、多路改写并行召回，结合量化、KV Cache 优化等手段平衡效果与时延
以端到端业务指标为北极星，建立并持续优化评估体系，负责效果调优与 bad case 治理，形成评估、优化、上线、反哺的闭环
AI 洞察
优缺点分析
优点
- 工作在微信这一国民级应用的搜索核心环节，技术成果直接影响数亿用户，成就感强
- 接触和使用前沿的大模型技术栈（如RLHF、DPO），并解决实际的工程与业务难题，技术成长空间大
- 依托腾讯平台，拥有丰富的数据、算力资源和优秀工程师协作的环境
- 大模型技术栈更新快，需要持续学习并跟进前沿研究，对学习能力和工程效率要求高
- 搜索业务复杂度高，算法效果评估与bad case治理需要耐心和细致的工作
- 岗位要求端到端负责，需要在算法创新、工程实现和业务理解之间找到平衡，对综合能力要求高
- 适合对大模型、NLP与搜索引擎技术有浓厚兴趣，具备扎实工程能力和强烈业务导向的算法工程师，期望在顶级产品中实践最前沿技术
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路径：深耕大模型与搜索算法领域，成为特定方向（如RLHF、推理优化）的技术权威
- 技术管理路径：在积累深厚技术背景后，可转向技术团队管理或算法架构设计岗位
- 设计和研发基于大模型的搜索Query理解与改写系统，提升搜索的精准度和用户意图理解能力
- 构建和优化大模型训练的完整数据流水线，包括数据生成、清洗、蒸馏等，探索AI原生数据生产模式
- 解决大模型训练与推理过程中的技术难题，如对齐问题、效率优化等，并确保算法效果能闭环到业务指标
- 需要深入掌握Transformer架构、大模型预训练/后训练（SFT/RLHF/DPO）及推理优化等核心技术
- 具备扎实的Python和PyTorch编程能力，以及将算法模型工程化落地、处理大规模分布式训练的实践经验
- 需要有良好的业务洞察力（sense），能够将技术方案与端到端的搜索效果指标紧密结合，驱动业务增长
申请策略
- 深入研究微信搜索产品的功能与痛点，思考大模型技术如何切入并改进现有体验
- 准备一个能完整展示你解决大模型相关技术难题（如对齐、效率）思路的案例或项目介绍
- 重点突出在大模型、NLP或搜索算法方向的项目经验，特别是涉及模型训练（SFT/RLHF）、数据处理和效果优化的部分
- 清晰描述使用PyTorch、DeepSpeed等工具进行模型开发和分布式训练的工程实践案例
- 强调通过技术方案解决具体业务问题（如提升某个指标）的思路和成果，体现业务sense
- 系统性地复习和深化大模型技术栈，特别是Transformer架构、主流对齐算法（RLHF/DPO）和推理优化技术
- 尝试复现或实践一些经典的搜索/问答系统，或参与大模型应用开发项目，积累端到端经验
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化地讲述项目经验，突出技术决策和量化成果
- 对于技术原理问题，先阐述核心思想，再结合实际场景说明应用时的关键考量和潜在陷阱
- 对于系统设计类问题，先明确目标和约束，再分模块阐述技术选型、数据流和优化点
- 请介绍一个你参与过的大模型项目，你在其中负责什么，遇到了什么技术挑战，如何解决的？
- 在训练大语言模型时，遇到类别不平衡或输出长度偏差问题，你会如何分析并尝试解决？
- 如何评估一个搜索Query改写算法的效果？你会设计怎样的评估体系？
- 解释一下RLHF或DPO的训练流程，以及在实际应用中可能遇到的困难和你的经验
- 你如何平衡模型效果（如准确性）与推理时延（latency）？可以结合具体技术手段谈谈
职位点评
薪资福利75
成长发展85
工作生活65
使命价值80
薪资福利
75中等
作为大型科技公司的核心技术岗位，薪资和福利预计具有市场竞争力，能提供较好的经济回报和稳定性。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
该职位要求掌握最前沿的大模型技术栈，并应用于核心业务，提供极佳的技术深度和广度的成长机会。
技术前沿前沿/新兴技术
技术栈大模型、Transformer、SFT、RLHF、DPO、PyTorch、分布式训练、DeepSpeed、KV Cache、量化
业务类型profit_center
工作生活
65中等
办公地点位于广州，生活成本较一线城市低。但岗位未明确办公模式，且作为核心业务工程师，工作强度可能较高。
工作模式未明确
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
80较高
微信搜索是亿万用户获取信息的核心入口，利用前沿AI技术改善其体验，能带来显著的产品价值感和社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号渴望为世界带来新意、科技的不断革新，最终能带来美好的、撼动人心的改变
创新程度积极采用新技术
Watch Jobs