腾讯
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 大约 4 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Dpo
Llm
Ppo
Pytorch
Rlhf
Sft
分布式训练
大语言模型
强化学习
值不值得投
77综合评分
综合评分 77
腾讯核心团队前沿AI技术岗，技术成长空间极大，薪资平台有保障，但工作生活平衡需进一步确认。
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
35K
与机器学习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 1950 个在招 · 其中机器学习工程 27 个
市场机会
选择适中
广州 · 机器学习工程 · 19 个在招
职位详情
关于这个职位
该职位是腾讯企业微信团队的大模型算法工程师，专注于Agent（智能体）大模型的后训练工作
你需要负责设计并实施SFT、强化学习等训练方案，以提升模型在真实业务场景下的规划、推理、工具调用等核心能力，推动前沿AI技术在产品中落地
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
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与大模型与Agent技术的最前沿探索与落地，技术成长空间大
- 平台与场景：背靠腾讯企业微信，拥有丰富的数据和真实的业务场景，能快速验证技术价值
- 技术积累：有机会接触并实践顶尖的分布式训练框架和大规模数据工程体系
- 技术深度要求高：需要对SFT、RLHF等技术有深入理解和工程实现能力，解决效果问题难度大
- 业务理解：需要将前沿技术与企业微信的具体业务需求（如工具调用）紧密结合，对业务理解有要求
缺点 / 挑战
- 工程挑战：大规模分布式训练的稳定性与效率调优是持续的挑战
- 适合对大模型训练原理有浓厚兴趣、具备扎实算法工程基础、喜欢挑战复杂技术问题并追求技术落地的求职者
角色解读
- 技术专家路线：深入模型训练与优化领域，成为大模型算法或Agent技术方向的核心专家
- 技术管理路线：带领团队负责企业微信AI能力的整体规划与落地，向技术负责人方向发展
- 跨领域发展：将Agent技术与更广泛的业务场景结合，拓展在产品、架构等方面的能力
- 设计和实施针对智能体大模型的后训练方案，核心是使用SFT和强化学习技术提升模型能力
- 构建和优化训练数据管线，解决模型在实际任务中的规划、抗干扰等具体问题
- 将最新的后训练研究成果工程化，落地到企业微信的实际产品功能中
- 面向特定业务场景（如意图识别）进行模型的定制化训练与优化
- 精通大语言模型后训练技术，包括SFT、RLHF、DPO等，有完整的模型训练与调优项目经验
- 熟练掌握Python和PyTorch，并熟悉DeepSpeed/Megatron等大规模分布式训练框架
- 具备强化学习环境搭建、奖励模型训练或高质量数据合成的实践能力
- 有顶会论文或优秀开源项目贡献者经验者更具竞争力
申请策略
- 在简历或面试中，可以阐述你对“企业微信场景下Agent能力”的理解，例如如何帮助用户高效完成办公任务
- 关注腾讯AI Lab、微信AI等团队的技术博客和开源项目，了解其技术方向，在面试中展现你的调研与思考
- 重点突出与大模型后训练（SFT、RLHF）直接相关的项目经验，尤其是涉及Agent能力提升的
- 详细描述使用PyTorch、DeepSpeed等框架进行大规模模型训练与调优的具体实践和成果
- 如果有相关的顶会论文、开源贡献或竞赛奖项，务必在显眼位置列出
- 系统学习并实践最新的大模型后训练技术（如DPO、GRPO等），并尝试复现相关论文
- 深入学习分布式训练框架（如Megatron-LM、veRL）的原理与使用，积累大规模训练调优经验
- 了解Agent技术框架（如ReAct、Toolformer）并动手实现简单的Agent系统
面试指南
- 理论结合实践：回答技术问题时，先简述核心原理，然后重点结合你过往的项目经验说明你是如何应用的
- 结构化描述项目：使用STAR法则（情境、任务、行动、结果）清晰描述项目经验
- 体现问题解决能力：对于开放性问题，展示你的分析思路、尝试过的方案以及最终选择的理由
- 请解释一下SFT和RLHF在大模型后训练中的区别和应用场景？
- 如果让你为企业微信的一个Agent场景设计训练数据，你会考虑哪些因素？如何保证数据质量？
- 在进行大规模分布式训练时，遇到过什么挑战？你是如何解决的？
- 你如何看待当前大模型后训练技术的优缺点？有什么改进方向？
- 请描述一个你独立完成的模型效果优化项目，从问题定位、方案设计到最终落地的过程
职位点评
薪资福利75
成长发展90
工作生活60
使命价值80
薪资福利
75中等
作为已上市的跨国巨头企业提供的岗位，在薪酬福利和稳定性方面通常具有市场竞争力。JD未明确提及薪资和福利细节，但平台背景提供了较强的基本保障预期。
薪资信号市场水准 (25K-45K/月)
成长发展
90较高
该职位专注于大模型与Agent的前沿技术栈，要求深入掌握SFT、RLHF等先进后训练技术，并有明确的技术创新落地目标，能提供极强的技术成长和项目经验积累。
技术前沿前沿/新兴技术
技术栈大语言模型、Agent、SFT、RLHF、DPO、PPO、GRPO、强化学习、PyTorch、DeepSpeed
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
60中等
JD未提及任何关于办公模式（远程/混合）或工作生活平衡的明确信号。岗位位于一线城市（北京/广州），可能面临较高的通勤成本和快节奏的工作环境，但具体强度未知。
工作模式未明确
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
80较高
岗位旨在将先进的AI技术应用于企业微信这一具有广泛社会影响力的办公平台，旨在提升用户的工作效率，具有一定的社会价值。AI与大模型领域本身也处于行业增长前沿。
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