腾讯
微信小程序-大模型算法工程师-Coding方向
微信小程序-大模型算法工程师-Coding方向
发布于 大约 14 小时前普通员工/个人贡献者
广州市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Agentic Coding
Rlvr
Sft
代码大模型
大模型
奖励建模
强化学习
数据处理
AI 估算 · 30k–60k
大模型算法方向热门，技能要求高，腾讯平台薪资竞争力强，通常提供16薪。
职位详情
关于这个职位
该职位负责微信小程序代码大模型的后训练工作，包括高质量训练数据合成、SFT/RLVR训练方案设计和奖励信号体系建设
您将深入Transformer架构与强化学习前沿技术，推动代码生成模型在业务场景中落地，是AI领域极具技术挑战和成长空间的方向
最低要求
计算机、数学等相关专业本科及以上学历，熟练使用 Python，具备良好的工程能力
扎实的计算机与深度学习基础，深入理解 Transformer 架构及主流大模型训练框架
具备大模型后训练项目经验，熟悉 SFT 与 RLVR 训练流程，理解奖励信号设计、强化学习算法调优与训练稳定性问题
具备较强的数据处理与实验分析能力，能进行训练数据合成、清洗、价值评估与 badcase 归因，有大规模代码语料处理经验者优先
具备快速学习与独立解决问题的能力，有团队合作精神，对探索前沿技术有持续热情
工作职责
负责小程序代码大模型后训练工作，包括高质量训练数据合成与价值分析、SFT /RLVR 等训练方案设计落地，以及训练效果评估
建设代码任务验证与奖励信号体系，综合运用多种验证策略，持续建模和校准奖励信号，为 RLVR 训练提供稳定、细粒度、可解释的反馈
跟踪大模型后训练前沿技术，探索强化学习算法优化、奖励建模与 Agentic Coding 等方向，并推动在业务场景中落地
优先资格
有大规模代码语料处理经验者优先
AI 洞察
优缺点分析
优点
- 腾讯平台大，资源丰富，能接触大规模真实业务场景
- 大模型是当前最热方向，技术前沿，个人成长速度快
- 团队实力强，有机会与业内顶尖人才合作，提升技术影响力
- 奖励信号设计和训练稳定性问题复杂，需较强的调优和debug能力
缺点 / 挑战
- 技术更新迭代快，需要持续学习和实验，工作压力较大
- 岗位对数学和工程能力要求高，门槛较高，竞争激烈
- 适合对AI有强烈热情、具备扎实算法与工程基础、喜欢挑战前沿难题的求职者
角色解读
- 从算法工程师向资深算法专家发展，深耕大模型后训练和强化学习领域
- 可转向技术管理岗位，带领团队负责核心算法方向
- 有机会成为大模型领域的技术专家，参与行业前沿研究和标准制定
- 负责小程序代码大模型的后训练，包括数据合成、SFT/RLVR训练方案设计与落地
- 构建代码任务的验证与奖励信号体系，为强化学习训练提供稳定可解释的反馈
- 跟踪前沿技术，探索强化学习优化和Agentic Coding方向，并推动业务应用
- 扎实的Python编程能力和工程实践能力
- 深入理解Transformer架构和主流大模型训练框架
- 具备大模型后训练经验，熟悉SFT与RLVR流程
- 较强的数据处理、实验分析和badcase归因能力
申请策略
- 了解微信小程序业务场景，思考代码大模型如何优化开发者体验
- 关注Agentic Coding方向，准备相关案例或想法，展示前瞻性
- 突出大模型后训练项目经验，详细描述SFT/RLVR的具体流程和成果
- 展示Python编程能力，如有开源项目或高性能代码实现更佳
- 强调数据处理和实验分析能力，例如数据清洗、合成、效果评估的量化指标
- 如有相关论文、竞赛获奖或大规模模型训练经验，务必重点提及
- 深入理解强化学习核心算法（PPO、RLHF、RLVR），并动手实践
- 熟悉主流训练框架如DeepSpeed、Megatron，了解分布式训练
面试指南
- 用STAR法则组织项目经历，重点描述背景、任务、行动和量化结果
- 强调你对奖励信号建模和强化学习原理的深入理解，并举出实际例子说明调优过程
- 展示系统思考能力，从数据、训练、评估等多个维度分析问题
- 请介绍你在大模型后训练方面的项目经验，具体如何设计SFT数据？
- 如何理解RLVR中的奖励信号设计？你如何确保奖励的稳定性和可解释性？
- 在训练过程中遇到模型不收敛或训练不稳定，你会如何排查和解决？
- 你如何处理大规模代码语料的数据清洗和去重？有哪些有效方法？
- 如何评估代码大模型的效果？你会采用哪些指标和验证策略？
职位点评
77
综合评分
腾讯大模型算法岗，技术前沿，薪资优厚，但工作强度未知，需现场办公。
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。
更适合这类人
最适合追求技术突破和职业成长，同时看重薪资回报的算法工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活60
使命价值65
薪资福利
80较高
腾讯平台薪资竞争力强，福利完善，虽未在JD中明示薪资，但整体补偿水平较高。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
岗位聚焦大模型后训练前沿技术，技能成长快，职业发展空间大，是技术积累的绝佳机会。
技术前沿前沿/新兴技术
技术栈Python、SFT、RLVR、Transformer、强化学习、奖励建模、Agentic Coding
业务类型ambiguous
工作生活
60中等
工作地点为广州，要求现场办公，JD未提及弹性工作或加班情况，生活方式平衡程度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
职位宣传语重视科技创新和社会价值，但实际工作仍以商业应用为主，意义感中等。
行业发展高速增长赛道
社会影响中性/一般
使命信号为世界带来新意、撼动人心的改变
创新程度积极采用新技术
腾讯 的其他在招职位
相似职位推荐
Watch Jobs