米哈游
【提前批-大模型】Code Agentic算法研究员
【提前批-大模型】Code Agentic算法研究员
发布于 大约 14 小时前普通员工/个人贡献者
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
LLM
代码生成
SFT
大模型
DeepSpeed
RLHF
智能体
Grpo
AI 估算 · 30k–60k
大模型算法研究员为稀缺高薪方向，米哈游提供有竞争力的薪酬，月薪3-6万中位数4.5万，年终奖丰厚。
职位详情
关于这个职位
这是一个专注于大语言模型代码智能体（Code Agent）的算法研究员岗位，核心工作是提升模型在真实软件工程任务中的代码理解和执行能力
你将深入研究Post-training算法（如SFT、RLHF、GRPO），优化代码生成、修改、修复等场景的表现，并构建高质量的训练数据和闭环系统
如果你对LLM Agent和代码生成有浓厚兴趣，这里将提供极佳的技术成长空间
最低要求
计算机科学、人工智能、机器学习、软件工程或相关领域硕士 / 博士学历
熟悉 Transformer 架构和大模型训练流程，对 SFT、RLHF、DPO、PPO、GRPO 等 Post-training 方法有深入理解和实践经验
具备扎实的代码能力，熟悉软件工程开发流程，理解代码库结构、测试体系、版本控制、CI、调试和工程协作流程
熟练使用 Python 和 PyTorch，熟悉 DeepSpeed、Megatron-LM、FSDP、vLLM 等训练或推理框架中的一种或多种
有代码生成、代码修复、Agent、工具调用、程序验证、自动化测试、SWE-bench 类任务等相关经验者优先
工作职责
负责面向代码智能体的 Post-training 算法研究与落地，提升模型在真实软件工程任务中的代码理解、任务规划、工具调用、调试修复和多步执行能力
探索 SFT、RLHF、GRPO、OPD 等训练方法，优化模型在代码生成、代码修改、Bug 修复、测试生成、PR Review 等场景中的表现
构建 Code Agentic 训练闭环，包括任务分解、代码库检索、文件编辑、命令执行、测试反馈、错误诊断、反思修复等多轮轨迹数据的建模与优化
负责高质量代码智能体数据建设，包括真实 Issue / PR 数据、Repo-level 任务、Agent 交互轨迹、失败案例、合成任务、执行反馈数据和偏好数据的治理与混合策略
研究面向代码仓库的长上下文与记忆机制，提升模型在大型代码库中的定位、检索、依赖理解、跨文件修改和长期任务保持能力
优先资格
在 NeurIPS、ICML、ICLR、ACL、EMNLP、FSE、ICSE、ASE、PLDI 等顶级会议发表过相关论文
有 Code LLM、Coding Agent、Repo-level Code Generation、Program Repair、Test Generation、LLM Agent 等方向项目经验
主导过真实可用的代码智能体、研发助手、自动修复系统、评测平台或大模型训练系统
熟悉大规模代码语料处理、代码质量评估、执行反馈数据构建和训练数据合成
有大规模 LLM Post-training 或 RL 训练经验，熟悉分布式训练、rollout 系统和性能调优
AI 洞察
优缺点分析
优点
- 技术前沿：接触大模型最热门的Code Agent方向，积累稀缺的Post-training实战经验
- 公司平台好：米哈游为游戏巨头，技术投入大，提供充足算力和数据资源
- 职业发展快：方向热门，成果易发表顶会论文，提升个人学术影响力
- 竞争激烈：该岗位吸引大量优秀人才，需持续产出高质量成果
- 工作强度大：研究型岗位可能需要投入大量时间进行实验和迭代
- 适合对LLM和代码生成充满热情、有扎实机器学习基础和工程实践能力的硕士/博士求职者，尤其适合希望在学术界和工业界都有所建树的研究型人才
缺点 / 挑战
- 技术难度高：需要同时掌握大模型训练和软件工程知识，入门门槛较高
角色解读
- 在算法方向上深耕，成为大模型Post-training领域的专家，主导关键技术突破
- 向技术管理方向发展，带领团队完成从研究到落地的全流程
- 横向拓展至其他Agent应用场景，如自动化运维、对话系统等
- 研究并优化大语言模型在代码智能体场景下的Post-training算法，如SFT、RLHF、GRPO等
- 构建代码智能体的训练闭环，包括任务分解、代码检索、多轮交互和错误修复等
- 负责高质量训练数据的建设与治理，包括真实Issue/PR数据、Agent轨迹数据等
- 探索长上下文与记忆机制，提升模型在大型代码库中的理解和修改能力
- 深入理解Transformer架构和大模型训练流程，熟悉多种Post-training方法
- 扎实的代码能力，熟悉软件工程开发流程，包括版本控制、CI、调试等
- 熟练使用Python和PyTorch，掌握至少一种分布式训练框架（如DeepSpeed、Megatron-LM）
- 有代码生成、Agent、工具调用等相关项目经验
申请策略
- 了解米哈游的技术栈和业务方向，在面试中展示对齐点
- 准备好关于Post-training方法对比和选择的深度思考，体现技术洞察力
- 突出Post-training相关项目经验，详细描述使用的算法（如RLHF、GRPO）和实际效果
- 强调代码能力，展示GitHub项目、开源贡献或SWE-bench等基准测试成绩
- 列出顶级会议论文或代码智能体相关研究成果，证明研究实力
- 预习RLHF/GRPO等最新算法，阅读相关论文并尝试复现
- 熟悉代码智能体框架，如SWE-agent、CodeAct等，动手搭建一个简单的Agent系统
面试指南
- 对比方法时使用结构化框架：原理→优缺点→适用场景→举例
- 项目描述使用STAR法则：情境、任务、行动、结果，并突出技术难点
- 系统设计问题按层次展开：数据→训练→推理→评估→迭代
- 请详细解释SFT和RLHF在代码生成任务中的优缺点及适用场景
- 如何设计一个代码Agent的训练闭环？请从数据、模型、评估等方面说明
- 针对大型代码库，如何解决长上下文记忆问题？
- 请描述一个你参与过的代码生成项目，遇到了哪些挑战？如何解决？
- GRPO与PPO相比有什么改进？为什么在代码Agent场景下可能更有效？
职位点评
72
综合评分
高薪前沿大模型算法岗，技术成长极快，但工作地点固定且可能高强度。
更适合这类人
适合追求技术成长和创新突破、愿意投入高强度研究的求职者，对WLB要求不高。
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
薪资水平在高技术岗位中具有竞争力，福利待遇优厚，但JD未明确具体薪资细节。
薪资信号面议 (30K-60K/月)
成长发展
95较高
职位处于大模型最前沿方向，技术栈新颖，有大量学习和创新机会，成长空间巨大。
技术前沿前沿/新兴技术
技术栈大模型、Code Agent、Post-training、SFT、RLHF、GRPO、DeepSpeed、PyTorch
业务类型profit_center
工作生活
40较低
工作地点固定在北京，未提及弹性工作或远程，且高强度研发岗位WLB可能较差。
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
70中等
代码智能体方向能显著提升开发者效率，具有正面社会价值，但游戏行业使命感一般。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs