腾讯
高级广告审核Agent算法工程师-深圳/北京
高级广告审核Agent算法工程师-深圳/北京
发布于 1 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
Harness Engineering
Nlp
内容安全
多模态生成
大模型
强化学习
算法架构
值不值得投
80综合评分
综合评分 80
前沿Agent技术、大厂高潜平台、技术成长极快、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
5.5万
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 2100 个在招 · 其中机器学习工程 46 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 530 个在招
职位详情
关于这个职位
负责设计并实现广告审核Agent核心框架，利用大模型训练、微调及多智能体协同技术，构建风险内容识别与自主迭代闭环
结合AIGC能力修复拒审内容，持续优化审核链路，降低人工成本，提升风控效率
最低要求
硕士研究生及以上学历，计算机科学、人工智能、NLP、机器学习等相关专业
具备大模型训练、微调与推理优化经验，熟悉前沿开源模型，熟悉SFT、强化学习（GRPO/OPD等）等模型迭代方法
对Agent技术有深入理解与实战经验，熟悉Harness Engineering、Planning、Reflection、Memory、Multi-Agent等关键方法
工作职责
设计并实现审核Agent核心框架，具备规则理解、案例推理、自主反思与持续迭代能力，支撑复杂风险内容的识别与可解释判定
负责Agentic关键技术在审核场景的落地，包括Harness Engineering、Multi-Agent协同、自动归因纠偏等能力建设
构建“badcase回流→归因分析→自主迭代→评测验证”的模型递归自我迭代闭环，实现审核能力持续演进，缩短新风险、新规则响应周期，降低人审成本
负责拒审修复内容生成：结合Agent规划与多模态生成（AIGC）能力，扩大修复品类覆盖、提升修复通过率，建设“审核—修复”一体化智能链路
优先资格
有内容安全、风控审核或广告算法业务落地经验者优先
在NeurIPS/ICML/ICLR/CVPR/KDD/ACL等顶会发表相关论文，或有高质量开源项目、独立Agent系统开发经验者优先
AI 洞察
优缺点分析
优点
- 接触业界最前沿的Agent与大模型技术，技术栈极具前瞻性
- 依托大厂海量真实业务数据，算法落地场景丰富且影响力大
- 完善的薪酬福利体系与清晰的职级晋升通道，平台背书强
- 顶会论文与独立系统开发要求极高，竞争门槛严苛
- 技术迭代迅速，需保持高强度学习与知识更新
- 适合具备扎实AI理论基础、有顶会成果或独立系统开发经验、追求技术深度与业务影响力的资深算法人才
缺点 / 挑战
- 业务落地压力大，需快速响应新型风险规则并持续优化模型
角色解读
- 向首席算法专家或技术架构师方向发展，主导公司级AI风控体系建设
- 转型为AI产品负责人或技术管理岗，统筹算法团队与业务目标
- 深耕垂直领域风控算法，成为行业领先的Agent技术应用专家
- 设计并实现审核Agent核心框架，支撑复杂风险内容的识别与可解释判定
- 负责Agentic关键技术在审核场景的落地，包括多智能体协同与自动归因纠偏
- 构建badcase回流至自主迭代的闭环，缩短新风险响应周期并降低人审成本
- 结合Agent规划与多模态生成能力，扩大修复品类覆盖并提升审核通过率
- 精通大模型训练、微调与推理优化，熟悉SFT及强化学习等迭代方法
- 深入掌握Agent关键技术，具备Harness Engineering、Planning、Reflection等实战经验
- 熟悉内容安全、风控审核或广告算法业务逻辑，具备算法落地能力
- 具备扎实的计算机科学基础，有顶会论文发表或高质量开源项目贡献者优先
申请策略
- 提前研究腾讯混元大模型及内容安全团队的技术博客与专利
- 准备1-2个完整的Agent系统设计案例，重点说明反思与记忆模块的实现
- 重点突出顶会论文发表记录或高质量开源项目的技术细节与业务价值
- 详细阐述Agent框架设计思路、多智能体协同机制及Badcase闭环优化案例
- 量化展示大模型微调、推理加速及实际业务指标提升效果
- 补充Harness Engineering与Multi-Agent协同的实战项目经验
- 加强强化学习（如GRPO/PPO）在LLM对齐中的应用原理与调参技巧
- 深入了解内容安全合规政策与广告审核业务流
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，突出技术选型依据与量化产出
- 针对算法难题，先阐述理论边界，再结合具体实验数据对比不同方案的优劣
- 强调工程落地能力，说明如何将学术研究转化为稳定可用的线上服务
- 请详细介绍你设计的Agent核心框架，如何平衡规则理解与自主推理？
- 在Badcase回流闭环中，如何实现高效的归因分析与模型自主迭代？
- 大模型微调时，如何解决强化学习阶段的不稳定性与奖励模型偏差问题？
- 多模态AIGC在审核修复场景中面临哪些技术瓶颈，如何突破？
- 系统复习Transformer架构、注意力机制及主流大模型微调策略
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
薪资处于行业高位，福利体系完善，但作为头部大厂核心算法岗，整体回报与高压高要求相匹配。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
92较高
技术栈极度前沿，直接参与Agent与大模型底层架构设计，技能成长空间与技术视野极佳。
技术前沿前沿/新兴技术
技术栈Agent、大模型、强化学习、Harness Engineering、Multi-Agent、AIGC
业务类型ambiguous
工作生活
60中等
大厂核心研发岗通常节奏较快，JD未明确提及弹性工时或WLB保障，需做好应对业务压力的准备。
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
聚焦内容安全与AI治理，通过技术手段净化网络环境并赋能广告生态，具备明确的正向社会价值。
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的人、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