主分类：AI应用开发（非Agent）
辅助：大模型与生成式算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "AI算法工程",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "WeGame游戏平台",
"location": "深圳总部",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "AI算法工程\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部\n面试城市：远程面试\n事业群：IEG\n部门：WeGame游戏平台\n\n岗位职责\n1、深入理解业务场景与数据特征，设计并优化 AI 算法方案（如模型微调、检索增强、多模态融合等），将算法能力转化为可落地的业务效果；\n2、负责算法从实验到生产的全链路工程化，包括数据预处理、模型训练与评估、推理服务部署、在线效果监控与持续迭代；\n3、在工程实践中持续改进算法效果，通过Prompt优化、模型路由、召回策略、精排等工程手段提升AI应用的准确性、稳定性和效率；\n4、跟踪大模型与深度学习前沿技术（如RAG、Agent、多模态等），结合业务痛点推进技术预研与创新应用。\n\n任职要求\n1、扎实的机器学习与深度学习基础，熟悉Transformer架构、预训练与微调范式，具备算法方案设计能力；\n2、熟练掌握Python及PyTorch等深度学习框架，有实际的模型训练、实验与调优经验；\n3、了解大模型应用工程化技术，如模型服务部署、向量检索、RAG Pipeline等，有相关实践；\n4、具备较强的工程落地意识，能从数据质量、推理延迟、成本效率等维度系统性评估和优化AI系统；\n5、对AI技术有深度好奇心，既能钻入算法细节，也能跳出技术看业务价值，乐于将前沿成果转化为实际产品；\n6、具备良好的沟通协作与问题拆解能力，能理解业务需求并将其翻译为可执行的技术方案。",
"requirements_text": "AI算法工程\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部\n面试城市：远程面试\n事业群：IEG\n部门：WeGame游戏平台\n\n岗位职责\n1、深入理解业务场景与数据特征，设计并优化 AI 算法方案（如模型微调、检索增强、多模态融合等），将算法能力转化为可落地的业务效果；\n2、负责算法从实验到生产的全链路工程化，包括数据预处理、模型训练与评估、推理服务部署、在线效果监控与持续迭代；\n3、在工程实践中持续改进算法效果，通过Prompt优化、模型路由、召回策略、精排等工程手段提升AI应用的准确性、稳定性和效率；\n4、跟踪大模型与深度学习前沿技术（如RAG、Agent、多模态等），结合业务痛点推进技术预研与创新应用。\n\n任职要求\n1、扎实的机器学习与深度学习基础，熟悉Transformer架构、预训练与微调范式，具备算法方案设计能力；\n2、熟练掌握Python及PyTorch等深度学习框架，有实际的模型训练、实验与调优经验；\n3、了解大模型应用工程化技术，如模型服务部署、向量检索、RAG Pipeline等，有相关实践；\n4、具备较强的工程落地意识，能从数据质量、推理延迟、成本效率等维度系统性评估和优化AI系统；\n5、对AI技术有深度好奇心，既能钻入算法细节，也能跳出技术看业务价值，乐于将前沿成果转化为实际产品；\n6、具备良好的沟通协作与问题拆解能力，能理解业务需求并将其翻译为可执行的技术方案。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"模型训练",
"模型微调",
"招聘",
"大语言模型",
"检索增强生成"
],
"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=1292202515139771392"
}
]
},
"posting": {
"posting_id": "1292202515139771392",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://join.qq.com/post_detail.html?postid=1292202515139771392"
},
"fulltext": "AI算法工程\nAI算法工程\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部\n面试城市：远程面试\n事业群：IEG\n部门：WeGame游戏平台\n\n岗位职责\n1、深入理解业务场景与数据特征，设计并优化 AI 算法方案（如模型微调、检索增强、多模态融合等），将算法能力转化为可落地的业务效果；\n2、负责算法从实验到生产的全链路工程化，包括数据预处理、模型训练与评估、推理服务部署、在线效果监控与持续迭代；\n3、在工程实践中持续改进算法效果，通过Prompt优化、模型路由、召回策略、精排等工程手段提升AI应用的准确性、稳定性和效率；\n4、跟踪大模型与深度学习前沿技术（如RAG、Agent、多模态等），结合业务痛点推进技术预研与创新应用。\n\n任职要求\n1、扎实的机器学习与深度学习基础，熟悉Transformer架构、预训练与微调范式，具备算法方案设计能力；\n2、熟练掌握Python及PyTorch等深度学习框架，有实际的模型训练、实验与调优经验；\n3、了解大模型应用工程化技术，如模型服务部署、向量检索、RAG Pipeline等，有相关实践；\n4、具备较强的工程落地意识，能从数据质量、推理延迟、成本效率等维度系统性评估和优化AI系统；\n5、对AI技术有深度好奇心，既能钻入算法细节，也能跳出技术看业务价值，乐于将前沿成果转化为实际产品；\n6、具备良好的沟通协作与问题拆解能力，能理解业务需求并将其翻译为可执行的技术方案。\nAI算法工程\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部\n面试城市：远程面试\n事业群：IEG\n部门：WeGame游戏平台\n\n岗位职责\n1、深入理解业务场景与数据特征，设计并优化 AI 算法方案（如模型微调、检索增强、多模态融合等），将算法能力转化为可落地的业务效果；\n2、负责算法从实验到生产的全链路工程化，包括数据预处理、模型训练与评估、推理服务部署、在线效果监控与持续迭代；\n3、在工程实践中持续改进算法效果，通过Prompt优化、模型路由、召回策略、精排等工程手段提升AI应用的准确性、稳定性和效率；\n4、跟踪大模型与深度学习前沿技术（如RAG、Agent、多模态等），结合业务痛点推进技术预研与创新应用。\n\n任职要求\n1、扎实的机器学习与深度学习基础，熟悉Transformer架构、预训练与微调范式，具备算法方案设计能力；\n2、熟练掌握Python及PyTorch等深度学习框架，有实际的模型训练、实验与调优经验；\n3、了解大模型应用工程化技术，如模型服务部署、向量检索、RAG Pipeline等，有相关实践；\n4、具备较强的工程落地意识，能从数据质量、推理延迟、成本效率等维度系统性评估和优化AI系统；\n5、对AI技术有深度好奇心，既能钻入算法细节，也能跳出技术看业务价值，乐于将前沿成果转化为实际产品；\n6、具备良好的沟通协作与问题拆解能力，能理解业务需求并将其翻译为可执行的技术方案。\nAI算法工程\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部\n面试城市：远程面试\n事业群：IEG\n部门：WeGame游戏平台\n\n岗位职责\n1、深入理解业务场景与数据特征，设计并优化 AI 算法方案（如模型微调、检索增强、多模态融合等），将算法能力转化为可落地的业务效果；\n2、负责算法从实验到生产的全链路工程化，包括数据预处理、模型训练与评估、推理服务部署、在线效果监控与持续迭代；\n3、在工程实践中持续改进算法效果，通过Prompt优化、模型路由、召回策略、精排等工程手段提升AI应用的准确性、稳定性和效率；\n4、跟踪大模型与深度学习前沿技术（如RAG、Agent、多模态等），结合业务痛点推进技术预研与创新应用。\n\n任职要求\n1、扎实的机器学习与深度学习基础，熟悉Transformer架构、预训练与微调范式，具备算法方案设计能力；\n2、熟练掌握Python及PyTorch等深度学习框架，有实际的模型训练、实验与调优经验；\n3、了解大模型应用工程化技术，如模型服务部署、向量检索、RAG Pipeline等，有相关实践；\n4、具备较强的工程落地意识，能从数据质量、推理延迟、成本效率等维度系统性评估和优化AI系统；\n5、对AI技术有深度好奇心，既能钻入算法细节，也能跳出技术看业务价值，乐于将前沿成果转化为实际产品；\n6、具备良好的沟通协作与问题拆解能力，能理解业务需求并将其翻译为可执行的技术方案。",
"standard_classification": {
"std_category_code": "T008",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}