腾讯
混元Agentic Vision算法研究员（北京/上海）(深圳)
混元Agentic Vision算法研究员（北京/上海）(深圳)
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计算机视觉工程
计算机视觉工程
Llm
Pytorch
Sft
多模态大模型
强化学习
数据构建
Agentic Vision
Visual2Code
值不值得投
78综合评分
综合评分 78
腾讯混元大模型核心算法岗，前沿技术栈，薪资优厚，但工作强度大。
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。
薪资怎么样
65K
比计算机视觉工程中位数高
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 4600 个在招
市场机会
选择面较广
北京 · 计算机视觉工程 · 87 个在招
职位详情
关于这个职位
该职位负责腾讯混元大模型在 Visual2Code 方向的核心算法研发，聚焦多模态大语言模型从视觉输入到代码生成的完整链路，包括数据体系构建、模型后训练、评测体系搭建以及 Agentic Vision 新范式的探索
你将与顶尖团队合作，推动模型在复杂视觉任务中的理解、生成与执行能力，是技术前沿与业务落地结合的关键角色
最低要求
计算机视觉、人工智能、机器学习、计算机科学等相关方向硕士及以上学历，具备扎实的深度学习与编程基础
在多模态大模型、代码大模型、Agent、视觉理解或相关方向具有研究或研发经验
熟悉 Transformer、LLM、VLM 等模型架构，对 SFT、强化学习、代码生成与执行反馈等技术有较深入理解
具备较强的数据构建、算法研究与实验分析能力，能够独立推动从数据、模型、训练到评测的完整研发闭环
对 Visual2Code、Agentic Vision 及多模态智能方向具有强烈兴趣，能够持续跟进并探索前沿技术
工作职责
主导 Visual2Code 能力建设：负责多模态大语言模型在 Visual2Code 方向的核心算法研发，围绕“视觉输入—代码理解—代码生成—执行验证”完整链路，持续提升模型从界面、图表、文档、图像等视觉信息中理解结构并生成高质量代码的能力
建设高质量数据体系：负责 Visual2Code 训练数据的设计、构建与迭代，包括真实数据挖掘、自动化数据合成、难度分层、质量过滤及数据配比等，建立覆盖多场景、多语言、多任务形态的数据生产与数据飞轮体系
推进模型与算法创新：深入探索 Visual2Code 场景下的 SFT、强化学习、代码执行反馈、Verifier/Reward Model 等后训练方法，研究视觉理解、代码推理与执行反馈之间的协同机制，持续提升模型在复杂任务中的正确率、泛化能力与稳定性
强化复杂视觉编程能力：聚焦视觉结构解析、布局理解、图表/文档理解、视觉逻辑推理以及代码生成等关键能力，提升模型从复杂视觉输入中完成结构还原、逻辑抽取、程序生成与迭代修正的能力
建设系统化评测体系：搭建 Visual2Code 能力评测与诊断体系，从视觉感知、结构理解、代码正确性、执行结果、视觉还原度、复杂推理等维度建立 Benchmark 与自动化评测链路，持续定位模型能力瓶颈并指导训练迭代
探索 Agentic Vision 新范式：探索视觉模型与代码执行、工具调用、环境反馈等能力的结合，推动模型从一次性 Visual2Code 生成进一步走向“理解—生成—执行—观察—修正”的 Agentic Vision 闭环，提升模型自主解决复杂视觉任务的能力
AI 洞察
优缺点分析
优点
- 腾讯作为巨头企业，提供顶尖的算力、数据和平台资源，技术氛围浓厚
- 岗位处于多模态大模型与代码生成的前沿，技术含量高，成长空间大
- 薪资待遇优厚，福利完善，职业发展路径清晰
- 对算法和工程能力要求极高，需要独立解决复杂问题
- 跨团队协作频繁，需要良好的沟通和项目推进能力
- 适合对多模态大模型和代码生成有浓厚兴趣，具备扎实算法功底和独立研究能力，能适应高强度工作的资深算法研究员
缺点 / 挑战
- 工作强度大，需要持续跟进前沿技术，研发压力较大
角色解读
- 在腾讯混元大模型团队，可成长为多模态与代码生成领域的专家，主导核心算法方向
- 有机会晋升为技术负责人或团队 leader，带领团队探索更前沿的 Agentic Vision 技术
- 积累大模型研发经验，未来可向 AI 研究科学家或技术总监方向发展
- 主导多模态大模型在 Visual2Code 方向的核心算法研发，包括视觉理解、代码生成与执行验证的完整链路
- 构建和迭代高质量训练数据体系，包括数据挖掘、合成、过滤和配比，以支持模型训练
- 探索并应用 SFT、强化学习等后训练方法，提升模型在复杂视觉任务中的准确率和泛化能力
- 搭建评测体系，从多个维度评估模型能力，并推动 Agentic Vision 新范式的探索
- 扎实的深度学习基础，熟悉 Transformer、LLM、VLM 等模型架构
- 在多模态大模型、代码大模型或 Agent 方向有实际研究或研发经验
- 熟悉 SFT、RLHF、代码生成与执行反馈等技术，具备数据构建和实验分析能力
- 对 Visual2Code、Agentic Vision 等前沿方向有强烈兴趣，并能独立推动研发闭环
申请策略
- 了解腾讯混元大模型的技术方向和业务布局，在面试中展示对业务的思考
- 准备一个完整的项目案例，展示从数据到模型到评测的闭环能力
- 突出多模态大模型、代码生成或 Agent 相关项目经验，展示具体成果
- 强调 SFT、强化学习等后训练方法的实际应用案例
- 展示数据构建、评测体系搭建等工程能力
- 如有相关论文或开源项目，务必重点提及
- 深入理解 Visual2Code 和 Agentic Vision 的最新论文和技术
- 补充强化学习在代码生成中的应用经验
面试指南
- 采用 STAR 法则，清晰描述项目背景、任务、行动和结果
- 结合具体技术细节，展示对模型架构、训练和评测的深入理解
- 强调数据驱动和实验迭代的思维方式
- 请详细介绍一下你在多模态大模型或代码生成方面的项目经验
- 如何设计一个 Visual2Code 的数据飞轮体系？
- 在 SFT 或强化学习中，如何处理代码执行反馈？
- 如何评估一个 Visual2Code 模型的性能？
- 你对 Agentic Vision 的未来发展有何看法？
职位点评
薪资福利85
成长发展95
工作生活40
使命价值85
薪资福利
85较高
腾讯作为大厂，提供具有竞争力的薪资和福利，但具体薪资未在 JD 中披露。
薪资信号未披露（AI估算：50K-80K/月）
成长发展
95较高
岗位处于多模态大模型和代码生成的前沿，技术挑战大，成长空间广阔，且腾讯提供丰富的技术资源和平台。
技术前沿前沿/新兴技术
技术栈Visual2Code、Agentic Vision、SFT、强化学习、LLM、VLM、Benchmark
业务类型profit_center
工作生活
40较低
岗位要求现场办公，且大厂算法岗通常工作强度大，但未在 JD 中明确说明工作强度。
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
85较高
岗位处于 AI 前沿，推动多模态智能发展，具有较高的社会价值和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs