腾讯
元宝-AI搜索算法工程师（大模型后训练方向）
元宝-AI搜索算法工程师（大模型后训练方向）
发布于 3 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
Ai搜索
Post-Training
Sft/Dpo/Ppo
大语言模型
数据合成
深度学习
算法优化
值不值得投
80综合评分
综合评分 80
前沿大模型技术、高薪高成长、业务导向强、工作节奏偏快
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
5.0万
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 2080 个在招 · 其中机器学习工程 44 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 510 个在招
职位详情
关于这个职位
负责AI搜索中大模型后训练方向的核心技术研发与优化，提升训练效率与回复质量
研究高质量数据自动化合成方法并搭建数据飞轮链路
跟踪前沿技术并推动业务落地
参与产品讨论提供技术改进建议
需具备扎实的LLM基础与深度学习框架能力
最低要求
计算机科学、人工智能等相关专业硕士及以上学历
具备良好的LLM技术基础，熟练使用深度学习训练和推理框架，深入理解Transformer、GPT等模型架构
在Post-training方向有一定研究基础，熟悉SFT/DPO/PPO/GRPO/Reward Model等
熟悉数据合成技术
具备良好的分析和解决问题的能力，针对具体的应用场景能合理设计和优化算法并应用
工作职责
负责AI搜索中大模型后训练方向的核心技术研发、优化与创新，优化Post-training 算法的训练效率和回复效果
研究各领域高质量数据的自动化合成方法，建设高效的线上数据飞轮链路
跟踪AI搜索领域的前沿技术，参与前沿算法研究，推动研究成果在业务场景的落地应用
参与产品讨论，基于技术对产品提出改进建议
优先资格
有相关领域顶会论文者优先
AI 洞察
优缺点分析
优点
- 依托头部互联网平台的海量真实业务数据与算力资源，技术落地场景丰富
- 接触大模型后训练等前沿方向，技术成长空间大，行业竞争力强
- 完善的培训体系与清晰的晋升通道，利于积累高价值项目经验
- 大模型算法迭代极快，需保持高强度学习以跟进最新论文与技术趋势
- 跨部门协作频繁，需兼顾技术深度与产品思维
- 适合具备扎实算法功底、对大模型前沿技术充满热情，且希望在头部平台将研究成果快速转化为实际业务价值的求职者
缺点 / 挑战
- 业务指标压力大，需在模型效果、训练成本与上线时效之间寻找平衡
角色解读
- 可向大模型核心算法专家或技术负责人方向发展，主导更复杂的模型训练与架构设计
- 也可横向拓展至AI搜索产品策略或数据平台建设，成为懂技术又懂业务的复合型AI人才
- 长期可探索前沿AI研究方向或技术管理路径
- 聚焦AI搜索场景的大模型后训练（Post-training）算法研发，通过优化SFT/DPO等微调策略提升模型回复质量与训练效率
- 设计自动化数据合成方案，构建高效的数据飞轮以持续迭代模型能力
- 跟踪学术界与工业界前沿技术，推动算法成果在实际产品中落地
- 扎实的深度学习与大语言模型理论基础，精通Transformer架构及主流训练推理框架
- 熟练掌握Post-training核心技术栈（SFT/DPO/PPO/GRPO/Reward Model）
- 具备高质量数据自动化合成与数据处理能力
- 优秀的算法设计与工程落地能力，能将理论转化为业务指标提升
申请策略
- 提前了解腾讯元宝产品的定位与当前AI搜索的技术痛点，面试时可结合业务场景提出针对性优化思路
- 关注公司技术博客与公开演讲，展现对团队技术栈的熟悉度
- 突出大模型微调（SFT/DPO等）的具体实践经历与量化效果（如准确率提升、训练耗时降低）
- 详细展示数据合成Pipeline的设计思路与工程实现细节
- 附上顶会论文或开源项目链接，证明科研与工程转化能力
- 深入研读最新大模型对齐与强化学习论文，掌握RLHF及其变体的底层原理
- 加强分布式训练与显存优化技能，熟悉Megatron-LM、DeepSpeed等框架
- 提升Python/C++工程能力与代码规范意识
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答项目经验，重点突出个人贡献与量化产出
- 针对技术问题，先阐述核心原理，再结合具体场景说明选型依据与调优手段
- 面对开放性问题，展示系统性思考能力，从数据、模型、训练策略多维度分析
- 请详细介绍你在大模型后训练（如DPO/PPO）方面的研究或实践经验，遇到了哪些挑战？
- 如何设计自动化数据合成流程？遇到数据噪声或分布偏移时如何处理？
- Transformer架构中哪些关键组件对模型性能影响最大？
- 如何评估和优化模型的推理延迟与训练成本？
- 系统复习大模型微调与对齐技术的经典论文与最新进展，准备1-2个深度打磨的项目案例
职位点评
薪资福利85
成长发展92
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，为大模型算法岗提供具有市场竞争力的薪酬包，包含高额年终奖与完善福利，对追求高薪的求职者吸引力强。
薪资信号偏高 (3.5千–6.5万/月)
成长发展
92较高
岗位直接聚焦大模型后训练等前沿方向，提供接触顶级算力与海量业务数据的机会，技术成长曲线陡峭。
技术前沿前沿/新兴技术
技术栈大语言模型、Post-training、SFT、DPO、PPO、GRPO、Reward Model、Transformer
业务类型profit_center
工作生活
60中等
互联网大厂算法岗通常节奏较快，虽可能有弹性安排，但业务迭代压力与前沿技术追踪要求可能导致工作强度较高。
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
致力于通过AI搜索技术改善信息获取体验，推动人工智能在大众生活中的实际应用，具备一定的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号渴望为世界带来新意、科技的不断革新，最终能带来美好的、撼动人心的改变
创新程度开拓性创新（行业首创）
Watch Jobs