{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "算法-强化学习方向",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "腾讯混元AI Data部 / 腾讯AI平台部",
        "location": "深圳总部 / 北京",
        "work_mode": "未披露",AI生成
        "job_category": "技术"AI生成
    },
    "company": {
        "company_name": "腾讯",
        "company_industry": "互联网 / 云计算 / 数字内容 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "tencent.com",
        "company_description": "腾讯是一家互联网科技公司，业务覆盖社交、内容、游戏、云计算、金融科技和人工智能等领域。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "包含但不限于计算机、人工智能、自动化、模式识别、电子信息、应用数学、统计学、运筹学等相关专业的博士和优秀硕士",
        "language": "4、乐于动手实践，有良好的逻辑思维能力和问题拆解能力，能够熟练阅读和撰写英文论文，对将前沿研究成果转化为实际应用充满热情",AI生成
        "visa_support": "未披露",
        "responsibilities": "算法-强化学习方向\n\n基础信息\n招聘项目：应届毕业生\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元AI Data部 / 腾讯AI平台部\n\n岗位职责\n1、参与核心算法研究与应用，聚焦强化学习、模仿学习、元学习等方向，探索前沿技术方案，将研究成果转化为实际应用场景中的效果提升；\n2、深入理解和分析复杂决策场景，设计并优化强化学习算法方案，在训练效率、策略效果、泛化能力等维度持续提升模型表现，推动算法在真实环境中的落地应用；\n3、跟踪强化学习与深度学习前沿技术（如Offline RL、Multi-Agent RL、RLHF、世界模型等），结合实际问题推进技术预研与创新探索；\n4、跨团队紧密协作，理解应用需求并将其转化为可执行的技术方案，在工程实践中锻炼从算法设计到系统落地的全链路能力。\n\n任职要求\n1、包含但不限于计算机、人工智能、自动化、模式识别、电子信息、应用数学、统计学、运筹学等相关专业的博士和优秀硕士；\n2、扎实的机器学习与深度学习基础，对强化学习、模仿学习等算法原理及其应用有深入理解和浓厚兴趣，熟悉常见RL算法（如PPO、DQN、SAC、IMPALA等）及其工程实现；\n3、熟练掌握Python及PyTorch/TensorFlow等主流深度学习框架，编码能力扎实，熟悉常用算法与数据结构，具备较强的动手能力和快速学习能力，能够独立完成模型搭建、训练与实验调优；\n4、乐于动手实践，有良好的逻辑思维能力和问题拆解能力，能够熟练阅读和撰写英文论文，对将前沿研究成果转化为实际应用充满热情；\n5、具备良好的沟通协作意识，能与研究员、工程师和产品团队高效配合，共同推动技术方案落地。",
        "requirements_text": "算法-强化学习方向\n\n基础信息\n招聘项目：应届毕业生\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元AI Data部 / 腾讯AI平台部\n\n岗位职责\n1、参与核心算法研究与应用，聚焦强化学习、模仿学习、元学习等方向，探索前沿技术方案，将研究成果转化为实际应用场景中的效果提升；\n2、深入理解和分析复杂决策场景，设计并优化强化学习算法方案，在训练效率、策略效果、泛化能力等维度持续提升模型表现，推动算法在真实环境中的落地应用；\n3、跟踪强化学习与深度学习前沿技术（如Offline RL、Multi-Agent RL、RLHF、世界模型等），结合实际问题推进技术预研与创新探索；\n4、跨团队紧密协作，理解应用需求并将其转化为可执行的技术方案，在工程实践中锻炼从算法设计到系统落地的全链路能力。\n\n任职要求\n1、包含但不限于计算机、人工智能、自动化、模式识别、电子信息、应用数学、统计学、运筹学等相关专业的博士和优秀硕士；\n2、扎实的机器学习与深度学习基础，对强化学习、模仿学习等算法原理及其应用有深入理解和浓厚兴趣，熟悉常见RL算法（如PPO、DQN、SAC、IMPALA等）及其工程实现；\n3、熟练掌握Python及PyTorch/TensorFlow等主流深度学习框架，编码能力扎实，熟悉常用算法与数据结构，具备较强的动手能力和快速学习能力，能够独立完成模型搭建、训练与实验调优；\n4、乐于动手实践，有良好的逻辑思维能力和问题拆解能力，能够熟练阅读和撰写英文论文，对将前沿研究成果转化为实际应用充满热情；\n5、具备良好的沟通协作意识，能与研究员、工程师和产品团队高效配合，共同推动技术方案落地。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "强化学习",
            "数据结构",
            "算法设计",
            "逻辑思维",
            "学习能力",
            "招聘"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://join.qq.com/post_detail.html?postid=1287398722585903104"
            }
        ]
    },
    "posting": {
        "posting_id": "1287398722585903104",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://join.qq.com/post_detail.html?postid=1287398722585903104"
    },
    "fulltext": "算法-强化学习方向\n算法-强化学习方向\n\n基础信息\n招聘项目：应届毕业生\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元AI Data部 / 腾讯AI平台部\n\n岗位职责\n1、参与核心算法研究与应用，聚焦强化学习、模仿学习、元学习等方向，探索前沿技术方案，将研究成果转化为实际应用场景中的效果提升；\n2、深入理解和分析复杂决策场景，设计并优化强化学习算法方案，在训练效率、策略效果、泛化能力等维度持续提升模型表现，推动算法在真实环境中的落地应用；\n3、跟踪强化学习与深度学习前沿技术（如Offline RL、Multi-Agent RL、RLHF、世界模型等），结合实际问题推进技术预研与创新探索；\n4、跨团队紧密协作，理解应用需求并将其转化为可执行的技术方案，在工程实践中锻炼从算法设计到系统落地的全链路能力。\n\n任职要求\n1、包含但不限于计算机、人工智能、自动化、模式识别、电子信息、应用数学、统计学、运筹学等相关专业的博士和优秀硕士；\n2、扎实的机器学习与深度学习基础，对强化学习、模仿学习等算法原理及其应用有深入理解和浓厚兴趣，熟悉常见RL算法（如PPO、DQN、SAC、IMPALA等）及其工程实现；\n3、熟练掌握Python及PyTorch/TensorFlow等主流深度学习框架，编码能力扎实，熟悉常用算法与数据结构，具备较强的动手能力和快速学习能力，能够独立完成模型搭建、训练与实验调优；\n4、乐于动手实践，有良好的逻辑思维能力和问题拆解能力，能够熟练阅读和撰写英文论文，对将前沿研究成果转化为实际应用充满热情；\n5、具备良好的沟通协作意识，能与研究员、工程师和产品团队高效配合，共同推动技术方案落地。\n算法-强化学习方向\n\n基础信息\n招聘项目：应届毕业生\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元AI Data部 / 腾讯AI平台部\n\n岗位职责\n1、参与核心算法研究与应用，聚焦强化学习、模仿学习、元学习等方向，探索前沿技术方案，将研究成果转化为实际应用场景中的效果提升；\n2、深入理解和分析复杂决策场景，设计并优化强化学习算法方案，在训练效率、策略效果、泛化能力等维度持续提升模型表现，推动算法在真实环境中的落地应用；\n3、跟踪强化学习与深度学习前沿技术（如Offline RL、Multi-Agent RL、RLHF、世界模型等），结合实际问题推进技术预研与创新探索；\n4、跨团队紧密协作，理解应用需求并将其转化为可执行的技术方案，在工程实践中锻炼从算法设计到系统落地的全链路能力。\n\n任职要求\n1、包含但不限于计算机、人工智能、自动化、模式识别、电子信息、应用数学、统计学、运筹学等相关专业的博士和优秀硕士；\n2、扎实的机器学习与深度学习基础，对强化学习、模仿学习等算法原理及其应用有深入理解和浓厚兴趣，熟悉常见RL算法（如PPO、DQN、SAC、IMPALA等）及其工程实现；\n3、熟练掌握Python及PyTorch/TensorFlow等主流深度学习框架，编码能力扎实，熟悉常用算法与数据结构，具备较强的动手能力和快速学习能力，能够独立完成模型搭建、训练与实验调优；\n4、乐于动手实践，有良好的逻辑思维能力和问题拆解能力，能够熟练阅读和撰写英文论文，对将前沿研究成果转化为实际应用充满热情；\n5、具备良好的沟通协作意识，能与研究员、工程师和产品团队高效配合，共同推动技术方案落地。\n算法-强化学习方向\n\n基础信息\n招聘项目：应届毕业生\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元AI Data部 / 腾讯AI平台部\n\n岗位职责\n1、参与核心算法研究与应用，聚焦强化学习、模仿学习、元学习等方向，探索前沿技术方案，将研究成果转化为实际应用场景中的效果提升；\n2、深入理解和分析复杂决策场景，设计并优化强化学习算法方案，在训练效率、策略效果、泛化能力等维度持续提升模型表现，推动算法在真实环境中的落地应用；\n3、跟踪强化学习与深度学习前沿技术（如Offline RL、Multi-Agent RL、RLHF、世界模型等），结合实际问题推进技术预研与创新探索；\n4、跨团队紧密协作，理解应用需求并将其转化为可执行的技术方案，在工程实践中锻炼从算法设计到系统落地的全链路能力。\n\n任职要求\n1、包含但不限于计算机、人工智能、自动化、模式识别、电子信息、应用数学、统计学、运筹学等相关专业的博士和优秀硕士；\n2、扎实的机器学习与深度学习基础，对强化学习、模仿学习等算法原理及其应用有深入理解和浓厚兴趣，熟悉常见RL算法（如PPO、DQN、SAC、IMPALA等）及其工程实现；\n3、熟练掌握Python及PyTorch/TensorFlow等主流深度学习框架，编码能力扎实，熟悉常用算法与数据结构，具备较强的动手能力和快速学习能力，能够独立完成模型搭建、训练与实验调优；\n4、乐于动手实践，有良好的逻辑思维能力和问题拆解能力，能够熟练阅读和撰写英文论文，对将前沿研究成果转化为实际应用充满热情；\n5、具备良好的沟通协作意识，能与研究员、工程师和产品团队高效配合，共同推动技术方案落地。",
    "standard_classification": {
        "std_category_code": "T033",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}