腾讯
大模型算法交付工程师（行业模型方向）
大模型算法交付工程师（行业模型方向）
发布于 2 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
Lora
Pytorch
Rlhf
Sft
大模型
智能体开发
模型微调
值不值得投
80综合评分
综合评分 80
前沿大模型技术栈、业务导向强、成长空间大，需兼顾客户交付与研发
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.3万
比机器学习工程中位数高
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 2130 个在招 · 其中机器学习工程 46 个
市场机会
选择面较广
深圳 · 机器学习工程 · 约 100 个在招
职位详情
关于这个职位
负责基于大模型为行业客户设计、构建并交付智能体解决方案，包括知识库搭建、工作流编排与工具调用集成
深入业务一线定义真实问题，建设评测体系并利用开源模型进行指令微调与强化学习优化
协同内部团队将定制化方案沉淀为可复用产品能力，输出技术报告或专利
最低要求
硕士及以上学历，计算机、人工智能、数学等相关专业
熟悉 Transformer 和大模型训练原理，了解 SFT、LoRA、DPO、RLHF 等主流后训练方法
熟练使用 Python 和 PyTorch，有实际动手训练或微调大模型的经历（科研、实习、个人项目均可）
对大模型技术有热情，能快速阅读论文并动手复现，有较强的自驱力和解决问题能力
愿意理解客户业务，善于从真实场景中发现值得研究的问题
工作职责
负责面向行业客户的智能体设计、构建与交付，基于大模型完成知识库、工作流、工具调用等能力的搭建，推动智能体在客户生产环境中稳定落地
深入客户一线，与交付团队紧密协同，从真实业务场景中发现和定义值得研究的问题，以客户业务指标而非单纯的公开榜单衡量效果
建设面向真实业务的行业评测体系，持续跟踪和评估业界新模型、新方法，为模型选型和优化提供依据
与腾讯云智能体开发平台等产品团队协同，将智能体方案、训练方法和行业模型沉淀为可复用的产品能力
基于主流开源模型，开展面向行业场景的中期训练、指令微调与强化学习，提升模型在行业任务和智能体场景中的表现
输出技术报告、专利或论文，形成团队在行业大模型方向的技术影响力
AI 洞察
优缺点分析
优点
- 依托腾讯云生态接触大量真实行业客户与高价值场景，技术落地闭环完整
- 技术栈高度前沿，直接参与大模型交付与 Agent 开发核心环节，履历含金量高
- 团队鼓励技术创新，明确支持输出专利与论文，有利于学术与工业界双轨发展
- 模型效果需以实际业务指标衡量而非公开榜单，优化过程存在不确定性
- 跨部门协同复杂度高，需在客户需求、产品规划与底层算法之间寻找平衡
- 适合热爱大模型技术、具备扎实编程与算法基础，且乐于深入业务场景解决实际问题、抗压能力强的求职者
缺点 / 挑战
- 需频繁对接客户一线，兼顾技术研发与交付实施，工作节奏与多线程并行压力大
角色解读
- 向大模型算法专家或 AI Agent 架构师纵深发展，主导行业级模型落地
- 转向技术管理岗，带领交付与研发团队攻克复杂客户场景
- 成为懂技术又懂业务的复合型专家，在垂直行业 AI 解决方案领域建立个人品牌
- 基于大模型为客户定制开发智能体应用，负责知识库搭建、工作流编排与工具调用集成
- 深入客户现场进行需求调研与业务指标对齐，将模糊业务诉求转化为可落地的技术方案
- 利用开源模型进行指令微调与强化学习优化，并建立面向真实业务的评测体系
- 协同内部产品团队将定制化方案沉淀为标准化、可复用的云平台能力
- 掌握 Transformer 架构与大模型训练原理，精通 SFT、LoRA、DPO、RLHF 等后训练技术
- 熟练使用 Python 和 PyTorch，具备独立跑通模型训练/微调实验的工程能力
- 能够快速阅读顶会论文并复现实验，具备较强的技术自驱力与问题解决能力
- 拥有良好的业务理解力与客户沟通协作能力，能以业务指标为导向驱动模型优化
申请策略
- 提前研究腾讯云相关 AI 产品矩阵及竞品动态，面试时可提出针对性优化建议
- 准备 1-2 个完整的大模型落地案例，重点阐述如何界定问题、选择方案与验证效果
- 突出大模型微调/训练实战项目，详细说明使用的数据集、参数设置与性能提升数据
- 展示智能体开发或 Agent 框架使用经验，体现从原型到生产环境落地的完整流程
- 强调业务指标导向的优化成果，避免只罗列刷榜成绩，突出解决实际痛点的价值
- 附上技术博客、开源仓库链接或已产出的专利/论文，证明技术深度与表达能力
- 补充 LangChain、LlamaIndex 或 AutoGen 等主流 Agent 开发框架知识
- 加强垂直领域数据清洗、Prompt 工程与自动化评测集构建能力
面试指南
- 采用 STAR 法则描述项目背景、任务、行动与结果，重点突出技术决策依据与量化收益
- 强调“业务指标优先”的评估思路，结合定量数据（如准确率、耗时、成本）与定性反馈
- 展现结构化思维，从场景拆解、数据准备、模型选型、迭代优化到监控告警的完整闭环
- 请详细介绍你做过的大模型微调或训练项目，遇到了什么难点如何解决的？
- 如何评估一个行业大模型在实际业务中的效果？你会设计哪些核心指标？
- 面对客户模糊或矛盾的需求，你如何将其拆解并转化为可落地的技术方案？
- 如果线上智能体出现幻觉或响应延迟，你的排查与优化路径是什么？
- 复习 Transformer 核心机制与主流后训练方法原理，确保能清晰推导关键公式与流程
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
腾讯作为头部互联网企业，薪资福利体系完善，大模型算法岗属于核心紧缺方向，整体薪酬竞争力强。
薪资信号未披露（AI估算：3.0千–5.5万/月）
成长发展
90较高
岗位直接聚焦大模型前沿技术与智能体落地，技术迭代快，且明确鼓励输出专利论文，成长空间广阔。
技术前沿前沿/新兴技术
技术栈Transformer、SFT、LoRA、DPO、RLHF、Python、PyTorch
成长机会输出技术报告、专利或论文
业务类型profit_center
工作生活
60中等
需深入客户一线并协同多团队交付，工作强度可能较高，但大厂通常提供较好的办公环境与基础保障。
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
75中等
契合腾讯“科技向善”理念，致力于将 AI 技术转化为实际生产力改善行业效率，社会价值与使命感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号用户为本，科技向善
创新程度积极采用新技术
Watch Jobs