腾讯
混元vlm算法研究员-后训练/基座能力提升方向（深圳/北京/上海）
混元vlm算法研究员-后训练/基座能力提升方向（深圳/北京/上海）
发布于 大约 7 小时前普通员工/个人贡献者
深圳市 / 北京市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
PyTorch
强化学习
SFT
VLM
Megatron-LM
DeepSpeed
vLLM
多模态大模型
PPO
AI 估算 · 35k–65k
腾讯大模型核心岗位，技术要求高，市场竞争激烈，薪资位于一线大厂高级/专家级水平
职位详情
关于这个职位
作为腾讯混元大模型团队的核心研究员，你将专注于多模态大语言模型（VLM）的后训练与基座能力提升
工作涉及SFT、强化学习对齐（RLHF/PPO/GRPO）等前沿算法，致力于提升视觉感知、细粒度理解、降低幻觉，并优化真实用户场景下的交互体验
这是一个推动技术边界并落地的关键角色
最低要求
计算机科学/软件工程/人工智能等相关专业硕士及以上学历
深入理解 Transformer 架构及大语言模型训练原理，在 LLM Alignment、RLHF、Reward Modeling、个性化大模型（Personalized LLM）、记忆机制（Memory/RAG）等后训练领域之一有深入的研究和实践经验
具备扎实的算法基础和工程实现能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等深度学习框架
拥有分布式训练实战经验，熟悉 Megatron-LM, DeepSpeed, vLLM 等大规模训练及推理框架，有百亿/千亿参数模型训练或调优经验者优先
具备强烈的技术热情和自驱力，善于分析和解决复杂问题，拥有良好的团队协作和沟通能力
工作职责
主导后训练研发体系：负责多模态大语言模型（VLM）的后训练（Post-training）全流程算法研发，深入探索 SFT 及强化学习对齐算法（如 RLHF、PPO、GRPO 等），持续逼近并提升视觉基座模型的能力上限
攻坚视觉基础感知：致力于优化模型底层的视觉感知、细粒度理解与空间感知能力
前瞻性地探索包括“带图思考”在内的 Visual Agent 解决方案，赋予模型更深层次的物理世界理解与执行能力
提高大模型可靠性：致力于大幅度降低多模态大模型幻觉
深入探究幻觉产生的本质，建设完善的幻觉检测链路，实施精细化的数据清洗策略，并主导研发基于强化学习的幻觉消除（Hallucination Removal）方案
赋能用户交互场景：面向真实用户场景进行模型对齐与调优，强化模型在多轮图文交互中的逻辑推理、指令遵循（Instruction Following）以及细节感知能力
搭建线上 Badcase 监控与数据飞轮反馈闭环，持续打磨并打造极致的交互体验
优先资格
在用户画像建模、推荐系统与大模型结合、或超长上下文/长期记忆模型优化方面有丰富实战经验者优先
具备优秀的科研素养，有高质量论文发表（NeurIPS, ICLR, ICML, ACL, EMNLP 等）或在开源社区（如 HuggingFace）有高影响力项目贡献者优先
AI 洞察
优缺点分析
优点
- 身处腾讯混元大模型核心团队，接触最前沿的多模态技术栈（VLM、RLHF等），技能积累价值极高
- 公司平台资源雄厚，数据、算力充足，研究成果能快速落地到亿级用户产品
- 行业处于高速增长期，大模型人才稀缺，职业晋升空间大，薪资竞争力强
- 技术难度大，需同时掌握视觉、语言、强化学习等多个领域的深度知识，学习曲线陡峭
- 竞争激烈，要求持续产出高水平成果（论文/专利/开源），以维持技术领先地位
缺点 / 挑战
- 工作强度较高，研发节奏快，需要适应持续迭代和快速试错的文化
- 适合对多模态大模型有强烈技术热情、具备扎实算法基础和自驱力的研究型工程师，希望在顶级AI平台挑战前沿难题
角色解读
- 从研究员逐步成长为多模态大模型领域的技术专家，主导关键算法方向
- 可向技术Leader或架构师发展，带领团队攻克前沿难题，推动技术落地
- 有机会参与行业标准制定或转向顶尖AI实验室/学术机构继续深造
- 主导多模态大模型的后训练流程，包括SFT和强化学习对齐（如RLHF/PPO/GRPO），提升模型视觉基座能力
- 攻坚视觉基础感知与细粒度理解，探索Visual Agent等前沿方向，降低模型幻觉并提高可靠性
- 面向真实用户场景进行模型优化，建立Badcase监控与数据反馈闭环，持续改善用户体验
- 深入理解Transformer架构和大模型训练原理，具备LLM Alignment、RLHF等后训练领域的实战经验
- 扎实的算法与工程能力，熟练使用Python、PyTorch/TensorFlow，掌握分布式训练框架（Megatron-LM、DeepSpeed等）
- 优秀的科研素养，有顶级会议论文或开源项目贡献者优先，具备自驱力和团队协作能力
申请策略
- 关注腾讯混元团队的技术博客和开源项目，在面试中展现对团队方向的深入理解与热情
- 提前准备一个完整的后训练项目案例，包括问题定义、方案设计、实验对比和最终效果
- 突出后训练相关项目经验，如SFT、RLHF、Reward Modeling的具体实现与效果提升
- 强调分布式训练和百亿/千亿参数模型调优经验，列出使用的框架（Megatron-LM/DeepSpeed）和规模
- 展示顶会论文（NeurIPS/ICML等）或高影响力开源贡献（HuggingFace项目），证明科研能力
- 补充强化学习对齐算法的理论基础和实践，如PPO、GRPO的代码实现
- 熟悉视觉Transformer和多模态模型（如CLIP、LLaVA）的架构与训练细节
- 提升工程能力，掌握vLLM等推理优化框架，了解模型部署与在线serving
面试指南
- 采用STAR法则（情境-任务-行动-结果）描述项目经验，突出技术难点与个人贡献
- 对于开放性问题，先给出方法论框架（如问题定义、数据、模型、评估），再展开细节
- 结合理论与实践，引用经典论文或开源实现，展现技术深度
- 请详细描述你参与过的RLHF项目，包括Reward Model设计、PPO训练细节以及遇到的长尾问题
- 如何评估和降低多模态大模型的幻觉？请设计一个完整的检测与消除方案
- 解释SFT和RLHF的区别及优缺点，什么场景下选择哪种方法？
- 你有分布式训练经验吗？请说明如何使用Megatron-LM或DeepSpeed进行百亿模型训练
- 你对Visual Agent有什么理解？如何让模型具备'带图思考'能力？
职位点评
72
综合评分
一线大厂核心AI团队，前沿多模态技术栈，高薪资高成长，但工作强度大WLB一般。
更适合这类人
最看重技术成长和前沿研究机会，愿意接受高强度工作以获取顶尖技能积累的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
该职位薪资位于行业顶级水平，腾讯提供有竞争力的薪酬、股票及完善福利，补偿性动机满足度高。
薪资信号偏低 (35K-65K/月)
成长发展
95较高
岗位聚焦前沿多模态大模型技术，涉及RLHF、SFT等核心方向，技能成长空间极大，发展性动机极强。
技术前沿前沿/新兴技术
技术栈VLM、RLHF、PPO、GRPO、SFT、Transformer、Megatron-LM、DeepSpeed、vLLM
业务类型ambiguous
工作生活
40较低
大模型研发强度大，JD未明确WLB政策，一线城市核心地段办公，生活化动机满足度较低。
工作模式仅现场办公
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
70中等
多模态大模型是AI核心赛道，社会影响力大，但岗位本身更偏技术实现，意义感中等偏上。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs