腾讯
腾讯云DataBuddy -大模型算法专家
腾讯云DataBuddy -大模型算法专家
发布于 大约 13 小时前普通员工/个人贡献者
深圳市
专家级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Automl
Pytorch
Rlhf
Sft
Vllm
大模型
数据飞轮
AI 估算 · 35k–60k
大厂核心算法岗，技术栈前沿，薪资竞争力强
职位详情
关于这个职位
该职位隶属于腾讯云 DataBuddy 团队，专注于大数据场景下大模型的效果优化与数据飞轮建设
你将负责构建评测体系、设计自动化机制、进行模型后训练（SFT/RLHF等），并与产品及工程团队协作，推动模型从问题发现到效果落地的闭环
适合对LLM训练、评测和推理优化有深入理解的算法专家
最低要求
计算机、人工智能、数学、软件工程等相关专业硕士及以上学历，具备扎实的机器学习、自然语言处理和大模型基础
熟悉大模型评测、数据构造、SFT、偏好优化、RLHF / RLAIF 等后训练方法，有相关项目实践经验优先
熟悉主流大模型及应用方式，了解模型效果优化、Prompt 评测、上下文工程和工具调用评测方法
具备较强的数据分析和问题归因能力，能够从用户反馈、执行日志和失败案例中提炼高质量训练 / 评测样本
熟练掌握 Python，熟悉 PyTorch / Transformers / vLLM / 数据处理工具链等，有评测平台、训练流水线、数据标注平台或模型效果分析工具建设经验优先
熟悉大数据、BI、数据开发、数据治理、数据分析等业务场景者优先，能够理解企业数据任务中的语义、权限、准确性和可信度要求
具备良好的产品意识和工程协作能力，能够与产品、算法、Runtime、应用开发团队共同推进 DataBuddy 智能能力持续优化
工作职责
负责 DataBuddy 大模型效果优化体系建设，围绕企业级大数据场景，构建覆盖任务理解、数据问答、工具调用、任务执行、结果可信等环节的评测体系
负责 DataBuddy 数据飞轮建设，持续沉淀用户反馈、交互日志、执行结果、错误案例和高质量样本，形成可用于评测、训练和效果回归的数据资产
负责大模型后训练相关工作，包括 SFT、偏好优化、RL 等方法在 DataBuddy 场景中的应用，持续提升模型在复杂数据任务中的稳定性、准确性和可控性
结合 DataBuddy 产品场景，设计自动化评测、人工评审、Case Benchmark、回归测试等机制，支撑模型版本迭代、能力对比和上线决策
与产品、Runtime 工程、应用开发团队协作，定位模型在真实业务场景中的效果问题，推动从问题发现、样本构造、模型优化到效果验证的闭环改进
优先资格
有相关项目实践经验优先
有评测平台、训练流水线、数据标注平台或模型效果分析工具建设经验优先
熟悉大数据、BI、数据开发、数据治理、数据分析等业务场景者优先
AI 洞察
优缺点分析
优点
- 接触前沿技术栈（SFT/RLHF/vLLM），积累稀缺的大模型工程经验
- 大厂平台资源丰富，数据量大，有充足的GPU算力支持
- 对模型效果和稳定性要求极高，需要持续迭代和快速上线
- 大模型领域迭代快，需要持续学习新技术和论文
- 适合对大模型训练、评测和优化有浓厚兴趣、具备扎实算法基础且愿意在工业场景中打磨效果的资深算法工程师
缺点 / 挑战
- 腾讯云核心业务，参与企业级大模型落地，技术挑战大、成长快
- 涉及多团队协作（产品、工程、算法），沟通成本较高
角色解读
- 深耕AI算法领域，成为大模型评测与优化的技术专家
- 向技术管理方向发展，带领算法团队推动产品智能升级
- 横向拓展至腾讯其他AI平台或产品，参与更大规模模型训练与部署
- 构建大模型评测体系，涵盖任务理解、数据问答、工具调用等环节，确保模型效果可量化
- 建设数据飞轮，通过用户反馈和日志沉淀高质量样本，持续迭代模型
- 应用SFT、偏好优化、RLHF等后训练方法，提升模型在复杂数据任务中的表现
- 与产品及工程团队协作，从问题发现到效果验证推动闭环改进
- 扎实的机器学习、NLP和大模型基础，熟悉主流后训练方法
- 熟练掌握Python及PyTorch/Transformers/vLLM等工具链
- 具备数据分析和问题归因能力，能从失败案例中提炼样本
- 了解大数据/BI场景，能够理解企业数据任务中的语义和可信度要求
申请策略
- 提前了解DataBuddy产品定位和企业大数据场景，思考可能的优化方向
- 关注腾讯云AI开放平台的最新动态，展示对业务的热情
- 突出大模型相关项目经验，尤其是SFT、RLHF、评测体系建设等
- 展示数据处理和样本构造的实际案例，强调从用户反馈中提炼样本的能力
- 列举使用Python、PyTorch、Transformers、vLLM等工具的具体成果
- 深入理解RLHF/RLAIF的原理与实现，了解主流通用大模型架构
- 补充大数据生态知识（如Spark、Hive、Flink），熟悉数据飞轮概念
- 学习自动化评测和回归测试的设计方法，了解CICD流程
面试指南
- 用STAR法则描述项目：情境、任务、行动、结果，突出个人贡献和技术难点
- 对于设计类问题，先明确目标用户和场景，再分维度拆解评测指标，最后说明反馈闭环
- 对于问题解决类问题，展示系统化思路：定位问题→分析根因→构造样本→实验验证→上线
- 请详细描述你过去负责的大模型后训练项目，包括使用的数据、方法和效果
- 如何设计一个评测体系来评估大模型在企业数据场景中的表现？
- 当模型在某类查询上效果不佳时，你的排错和迭代思路是什么？
- 解释RLHF的完整流程，以及你在实践中遇到的挑战和解决方案
- 你如何理解数据飞轮？在实际项目中如何构建和利用？
职位点评
74
综合评分
大厂核心算法岗，前沿技术栈，发展空间大，但WLB一般。
更适合这类人
最适合看重技术成长和前沿挑战、对薪资有较高期待、且能接受较强工作节奏的求职者。
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45
使命价值70
薪资福利
85较高
腾讯作为大厂，薪资和福利待遇在行业内处于领先水平，但职级薪资具体范围未披露，且深圳生活成本较高，因此得分较高但非满分。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
95较高
该职位直接负责大模型核心优化工作，涉及前沿技术（SFT/RLHF等），成长空间巨大。腾讯平台提供丰富资源和挑战性场景，发展性动机得到极好满足。
技术前沿前沿/新兴技术
技术栈大模型、SFT、RLHF、数据飞轮、PyTorch、Transformers、vLLM
业务类型ambiguous
工作生活
45较低
深圳核心办公地点，但未提及弹性工作或远程，且大厂算法岗通常工作强度较高，WLB一般。
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
70中等
岗位属于企业级AI产品，推动大数据智能化，有一定社会价值。但主要面向商业场景，使命感中等。
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
Watch Jobs