主分类：AI模型评测工程
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 RL 环境构建研发工程师（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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.环境沙箱构建：设计并实现支持 RL环境 执行代码、操作 API 或进行多步推理的隔离沙箱环境（基于 Docker, WebAssembly 或 VM）；\r\n2.交互协议定义：优化 RL 训练与环境之间的 Observation/Action 循环，提升工具调用的准确率；\r\n3.自动化评价体系：构建针对特定场景（如数据分析、自动化办公、软件工程）的评测基座（Benchmark），客观衡量执行成功率；\r\n4.前沿技术探索：研究如何通过环境反馈（Environment Feedback）进行强化学习（RLHF/RLAIF），加速模型的迭代进化。",
"requirements_text": "1.扎实的计算机基础：优秀的编程能力（Python/Go/C++ 至少精通一门），熟悉 Linux 系统和容器化技术；\r\n2.熟悉 ReAct、AutoGPT、LangChain 或 AutoGen 等开源框架，对 LLM 调用工具有实战经验或深度思考；\r\n3.解决问题的韧性：RL 执行环境往往涉及复杂的依赖管理和安全隔离，需要你有较强的 Debug 能力和工程直觉。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"React",
"解决问题",
"Go",
"大语言模型"
],
"preferred_qualifications": "有顶会论文（ACL, EMNLP, NeurIPS 等）、知名开源项目贡献经历，或在复杂系统设计方面有经验者优先。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2020723058859470848"
}
]
},
"posting": {
"posting_id": "2020723058859470848",
"post_date": "2026-08-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2020723058859470848"
},
"fulltext": "微信-WeLM 大模型 RL 环境构建研发工程师（深圳、上海）\n1.环境沙箱构建：设计并实现支持 RL环境 执行代码、操作 API 或进行多步推理的隔离沙箱环境（基于 Docker, WebAssembly 或 VM）；\r\n2.交互协议定义：优化 RL 训练与环境之间的 Observation/Action 循环，提升工具调用的准确率；\r\n3.自动化评价体系：构建针对特定场景（如数据分析、自动化办公、软件工程）的评测基座（Benchmark），客观衡量执行成功率；\r\n4.前沿技术探索：研究如何通过环境反馈（Environment Feedback）进行强化学习（RLHF/RLAIF），加速模型的迭代进化。\n1.扎实的计算机基础：优秀的编程能力（Python/Go/C++ 至少精通一门），熟悉 Linux 系统和容器化技术；\r\n2.熟悉 ReAct、AutoGPT、LangChain 或 AutoGen 等开源框架，对 LLM 调用工具有实战经验或深度思考；\r\n3.解决问题的韧性：RL 执行环境往往涉及复杂的依赖管理和安全隔离，需要你有较强的 Debug 能力和工程直觉。\n有顶会论文（ACL, EMNLP, NeurIPS 等）、知名开源项目贡献经历，或在复杂系统设计方面有经验者优先。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}