主分类：AI训练推理与计算优化
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": "微信-WeLM 大模型预训练框架研发工程师（深圳、上海）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "WXG",
"location": "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 / 科技 / 人工智能",
"company_size": "10000人以上",
"company_website": "tencent.com",
"company_description": "腾讯是一家互联网和科技公司，业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 2,
"degree": "计算机科学、人工智能、模式识别、计算语言学等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责构建和优化大规模预训练框架，支持文本、语音、图像等多模态数据的联合学习与高效训练；\r\n2.深入优化长序列场景下的分布式训练与显存利用（如context parallel、2D/环形 Attention、混合并行、激活重计算等），在百万级 token 训练中提升吞吐与性价比；\r\n3.负责后训练（Post-training）阶段框架建设，包括强化学习（RL/RLHF）、偏好建模（Reward Model）及人类反馈优化（Alignment）等流程；\r\n4.深入优化分布式训练框架与推理效率，提升算力利用率与模型吞吐性能；\r\n5.跟踪前沿研究趋势，探索高效预训练策略（如Mixture of Experts、Continual Pretraining等）；\r\n6.与算法、数据、平台团队协作，形成从数据处理到训练部署的全流程自动化解决方案。",
"requirements_text": "1.计算机科学、人工智能、模式识别、计算语言学等相关专业硕士及以上学历；\r\n2.精通一种或多种主流深度学习框架（PyTorch、JAX、TensorFlow），具备大规模分布式训练经验；\r\n3.熟悉Transformer系列架构，理解其在语言、语音、视觉等方向的模型原理与实现；\r\n4.了解 LLM 的训练流程，有 Megatron, DeepSpeed 等大规模训练框架使用经验者优先；\r\n5.对RL/RLHF、偏好学习、奖励建模有实践经验者优先；\r\n6.具备扎实的工程实现能力与代码规范意识，熟悉CUDA优化、参数并行、流水线并行等技术；\r\n7.具备良好的团队协作与沟通能力，热爱探索与创新。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"CUDA",
"深度学习",
"团队协作",
"沟通能力",
"建模",
"大语言模型"
],
"preferred_qualifications": "1.在 GitHub 等平台持续参与主流大模型 / 分布式训练 / RLHF 等项目的开发维护，有高质量 PR 被核心项目合并，或担任 maintainer / reviewer；\r\n2.主导或深度参与自研预训练 / 后训练框架、长上下文训练工具链等开源项目，具备清晰的技术文档与使用教程，拥有一定 Star / Fork 规模和社区用户；\r\n3.在 Hugging Face 社区、技术博客或开发者论坛上定期分享工程实践（如长上下文训练、MoE、大规模分布式调优等），具备良好的技术传播与社区影响力。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2020723054623227904"
}
]
},
"posting": {
"posting_id": "2020723054623227904",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2020723054623227904"
},
"fulltext": "微信-WeLM 大模型预训练框架研发工程师（深圳、上海）\n1.负责构建和优化大规模预训练框架，支持文本、语音、图像等多模态数据的联合学习与高效训练；\r\n2.深入优化长序列场景下的分布式训练与显存利用（如context parallel、2D/环形 Attention、混合并行、激活重计算等），在百万级 token 训练中提升吞吐与性价比；\r\n3.负责后训练（Post-training）阶段框架建设，包括强化学习（RL/RLHF）、偏好建模（Reward Model）及人类反馈优化（Alignment）等流程；\r\n4.深入优化分布式训练框架与推理效率，提升算力利用率与模型吞吐性能；\r\n5.跟踪前沿研究趋势，探索高效预训练策略（如Mixture of Experts、Continual Pretraining等）；\r\n6.与算法、数据、平台团队协作，形成从数据处理到训练部署的全流程自动化解决方案。\n1.计算机科学、人工智能、模式识别、计算语言学等相关专业硕士及以上学历；\r\n2.精通一种或多种主流深度学习框架（PyTorch、JAX、TensorFlow），具备大规模分布式训练经验；\r\n3.熟悉Transformer系列架构，理解其在语言、语音、视觉等方向的模型原理与实现；\r\n4.了解 LLM 的训练流程，有 Megatron, DeepSpeed 等大规模训练框架使用经验者优先；\r\n5.对RL/RLHF、偏好学习、奖励建模有实践经验者优先；\r\n6.具备扎实的工程实现能力与代码规范意识，熟悉CUDA优化、参数并行、流水线并行等技术；\r\n7.具备良好的团队协作与沟通能力，热爱探索与创新。\n1.在 GitHub 等平台持续参与主流大模型 / 分布式训练 / RLHF 等项目的开发维护，有高质量 PR 被核心项目合并，或担任 maintainer / reviewer；\r\n2.主导或深度参与自研预训练 / 后训练框架、长上下文训练工具链等开源项目，具备清晰的技术文档与使用教程，拥有一定 Star / Fork 规模和社区用户；\r\n3.在 Hugging Face 社区、技术博客或开发者论坛上定期分享工程实践（如长上下文训练、MoE、大规模分布式调优等），具备良好的技术传播与社区影响力。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}