企业微信
企业微信-大模型算法工程师-Agent后训练（北京/广州）
企业微信-大模型算法工程师-Agent后训练（北京/广州）
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Deepspeed
Dpo
Llm
Ppo
Pytorch
Rlhf
Sft
后训练
大语言模型
值不值得投
75综合评分
综合评分 75
前沿大模型Agent后训练岗，技术成长空间极大，薪资有竞争力，但办公模式与工作强度待确认。
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
4.5万
比算法优化工程师中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
9 个在招
市场机会
选择面较广
北京 · 算法优化工程师 · 约 220 个在招
职位详情
关于这个职位
该职位负责企业微信大模型Agent的后训练工作，通过设计与实施SFT、奖励模型、强化学习等方案，提升模型在真实业务场景下的规划、推理、工具调用及指令遵循能力
工作涵盖针对多步规划、抗干扰等能力短板的定向优化，以及数据构建与评估管线的开发，旨在将前沿技术落地于实际产品
最低要求
计算机、人工智能、机器学习、数学等相关专业，硕士及以上学历，具备扎实的计算机基础与算法基础，2年以上相关领域工作经验
深入理解大语言模型与Agent技术体系，熟练掌握主流后训练技术（SFT、RLHF、DPO、PPO/GRPO 等），具备完整的模型训练与优化项目经验，能独立定位并解决效果问题
熟练掌握 Python，熟练使用主流深度学习与训练框架（如 PyTorch、DeepSpeed/Megatron、veRL/OpenRLHF 等），具备扎实的算法实现与大规模分布式训练调优能力
熟悉数据构建与评估体系，有强化学习环境搭建、奖励模型训练或高质量指令/偏好数据合成经验者优先
在 ICLR、NeurIPS、ICML、ACL、EMNLP 等顶尖会议发表过论文，或为优秀机器学习开源项目贡献者优先
工作职责
参与 Agent 大模型的后训练工作，在 SFT、奖励模型、强化学习等方向进行方案设计、数据构建与训练落地，持续提升真实场景下的规划、推理、工具调用与指令遵循能力
针对 Agent 任务执行中的能力短板（如多步规划、抗干扰与幻觉抑制等），设计定向的训练优化方案，并构建数据合成、清洗与质量评估管线
面向意图识别等特定场景模型进行训练与优化，结合业务需求完成定制化的能力构建
持续跟踪并引入后训练领域的最新技术，推动技术在实际业务的创新落地
优先资格
熟悉数据构建与评估体系，有强化学习环境搭建、奖励模型训练或高质量指令/偏好数据合成经验者优先
在 ICLR、NeurIPS、ICML、ACL、EMNLP 等顶尖会议发表过论文，或为优秀机器学习开源项目贡献者优先
AI 洞察
优缺点分析
优点
- 在大型产品（企业微信）中落地技术，能获得巨大的业务影响力和技术成就感
- 技术栈要求高，能快速积累在大模型后训练领域的稀缺经验
- 技术难度高，需要快速跟踪并融合快速迭代的前沿研究成果
- 需要将研究技术与实际产品需求紧密结合，平衡技术先进性与工程可行性
- 适合具备扎实机器学习和NLP基础，对大模型训练有浓厚兴趣和实践经验，喜欢解决复杂技术问题，并期望技术能在大规模产品中产生直接影响的工程师
缺点 / 挑战
- 直面大模型和Agent技术的最前沿，能接触并解决行业核心挑战
- Agent任务复杂，模型优化可能涉及多模块协同，问题定位与解决具有挑战性
角色解读
- 技术专家路线：深耕模型训练与优化算法，成为团队内大模型或Agent方向的技术权威
- 技术管理路线：带领小团队负责特定模块或子方向的算法研发与落地
- 前沿研究路线：持续跟踪并落地最新研究，推动技术创新，并可能产出学术成果
- 设计和实施大语言模型的后训练方案（如SFT、RLHF），专门优化Agent在实际业务场景中的表现
- 构建和优化用于模型训练的高质量数据管线，包括数据合成、清洗和质量评估
- 针对Agent的特定能力短板（如多步规划、抗幻觉）设计定向优化策略
- 精通大语言模型后训练技术栈（SFT、RLHF/DPO/PPO等），并有实际项目经验
- 熟练掌握Python及主流深度学习框架（PyTorch），具备大规模分布式训练调优能力
- 具备构建、评估训练数据（如奖励模型、偏好数据）的系统性方法
申请策略
- 在申请时，可以尝试简述对当前Agent后训练中某个具体挑战（如长程规划或幻觉）的思考，展示你的技术洞察力
- 了解企业微信的产品形态和核心业务场景，思考Agent能力如何赋能现有功能，体现你的业务思维
- 详细描述参与过大模型（特别是LLM）的训练或微调项目，明确说明使用的具体技术（如SFT、PPO）和取得的指标提升
- 突出在数据构建、评估、清洗方面的系统性工作，尤其是强化学习相关的数据或环境搭建经验
- 如有相关的顶尖会议论文或高影响力开源项目贡献，务必在显眼位置列出
- 系统复习和实践主流后训练算法（RLHF, DPO, GRPO）的原理和代码实现（可参考OpenRLHF等开源项目）
- 深入学习Agent技术体系，了解规划、工具调用、反思等核心模块的实现与优化方法
- 练习在大规模数据集和分布式环境下（如DeepSpeed）进行模型训练与调优
面试指南
- 使用STAR法则（情境、任务、行动、结果）清晰地描述项目经历，重点突出技术选型、难点攻克和量化结果
- 回答技术原理问题时，结合具体项目实例，说明不同方法在实际数据、规模和效果上的权衡
- 回答系统性问题时，展现出从数据分析、问题归因到方案设计、评估迭代的完整思维链条
- 请描述你参与过的一个大模型训练或微调项目，你在其中具体负责什么？遇到了哪些技术挑战，如何解决的？
- 你如何理解RLHF和DPO这两种后训练方法的异同？在你的项目经验中，它们各自的优势和适用场景是什么？
- 针对Agent的多步规划或工具调用能力，你会如何设计数据和训练方案来进行优化？
- 如果上线一个Agent能力后，发现其在某个真实场景下的任务成功率很低，你会如何系统地定位问题并改进？
- 深入回顾并梳理过往项目中关于模型训练（特别是后训练）的所有技术细节，准备清晰的阐述
职位点评
薪资福利78
成长发展92
工作生活45
使命价值75
薪资福利
78中等
职位属于高技术门槛的前沿领域，市场人才稀缺，薪资水平通常具有较强竞争力。JD未提及具体福利，补偿性满足主要依赖于薪酬本身。
薪资信号偏高 (3千–6万/月)
成长发展
92较高
职位直接切入大模型与Agent最核心的后训练技术环节，技术挑战大、前沿性强，能为从业者提供极佳的技能成长和行业视野提升机会。
技术前沿前沿/新兴技术
技术栈SFT、RLHF、DPO、PPO、GRPO、大语言模型、Agent、强化学习、PyTorch、DeepSpeed、Megatron
成长机会持续跟踪并引入后训练领域的最新技术、推动技术在实际业务的创新落地
业务类型profit_center
工作生活
45较低
JD未明确提及办公模式、工作时间或WLB相关信息。作为大型企业的核心技术岗位，其工作强度可能较高，生活化动机的满足程度存在不确定性。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
将前沿AI技术应用于亿级用户的产品（企业微信）中，具有明确的业务价值和社会影响力。行业处于高速增长阶段，技术落地能带来强烈的使命感和成就感。
行业发展高速增长赛道
社会影响中性/一般
使命信号提升真实场景下的规划、推理、工具调用与指令遵循能力、结合业务需求完成定制化的能力构建、推动技术在实际业务的创新落地
创新程度积极采用新技术
Watch Jobs