{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "混元vlm算法研究员-后训练/基座能力提升方向（深圳/北京/上海）",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "TEG",
        "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": 3,
        "degree": "计算机科学/软件工程/人工智能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.主导后训练研发体系：负责多模态大语言模型（VLM）的后训练（Post-training）全流程算法研发，深入探索 SFT 及强化学习对齐算法（如 RLHF、PPO、GRPO 等），持续逼近并提升视觉基座模型的能力上限；\r\n2.攻坚视觉基础感知：致力于优化模型底层的视觉感知、细粒度理解与空间感知能力。前瞻性地探索包括“带图思考”在内的 Visual Agent 解决方案，赋予模型更深层次的物理世界理解与执行能力；\r\n3.提高大模型可靠性：致力于大幅度降低多模态大模型幻觉。深入探究幻觉产生的本质，建设完善的幻觉检测链路，实施精细化的数据清洗策略，并主导研发基于强化学习的幻觉消除（Hallucination Removal）方案；\r\n4.赋能用户交互场景：面向真实用户场景进行模型对齐与调优，强化模型在多轮图文交互中的逻辑推理、指令遵循（Instruction Following）以及细节感知能力。搭建线上 Badcase 监控与数据飞轮反馈闭环，持续打磨并打造极致的交互体验。",
        "requirements_text": "1.计算机科学/软件工程/人工智能等相关专业硕士及以上学历；\r\n2.深入理解 Transformer 架构及大语言模型训练原理，在 LLM Alignment、RLHF、Reward Modeling、个性化大模型（Personalized LLM）、记忆机制（Memory/RAG）等后训练领域之一有深入的研究和实践经验；\r\n3.在用户画像建模、推荐系统与大模型结合、或超长上下文/长期记忆模型优化方面有丰富实战经验者优先；\r\n4.具备扎实的算法基础和工程实现能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等深度学习框架；\r\n5.拥有分布式训练实战经验，熟悉 Megatron-LM, DeepSpeed, vLLM 等大规模训练及推理框架，有百亿/千亿参数模型训练或调优经验者优先；\r\n6.具备优秀的科研素养，有高质量论文发表（NeurIPS, ICLR, ICML, ACL, EMNLP 等）或在开源社区（如 HuggingFace）有高影响力项目贡献者优先；\r\n7.具备强烈的技术热情和自驱力，善于分析和解决复杂问题，拥有良好的团队协作和沟通能力。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "TensorFlow",
            "深度学习",
            "模型训练",
            "团队协作",
            "沟通能力",
            "建模",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "3.在用户画像建模、推荐系统与大模型结合、或超长上下文/长期记忆模型优化方面有丰富实战经验者优先；5.拥有分布式训练实战经验，熟悉 Megatron-LM, DeepSpeed, vLLM 等大规模训练及推理框架，有百亿/千亿参数模型训练或调优经验者优先；6.具备优秀的科研素养，有高质量论文发表（NeurIPS, ICLR, ICML, ACL, EMNLP 等）或在开源社区（如 HuggingFace）有高影响力项目贡献者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers.tencent.com/jobdesc.html?postId=2074683054592536576"
            }
        ]
    },
    "posting": {
        "posting_id": "2074683054592536576",
        "post_date": "2026-08-17",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.tencent.com/jobdesc.html?postId=2074683054592536576"
    },
    "fulltext": "混元vlm算法研究员-后训练/基座能力提升方向（深圳/北京/上海）\n1.主导后训练研发体系：负责多模态大语言模型（VLM）的后训练（Post-training）全流程算法研发，深入探索 SFT 及强化学习对齐算法（如 RLHF、PPO、GRPO 等），持续逼近并提升视觉基座模型的能力上限；\r\n2.攻坚视觉基础感知：致力于优化模型底层的视觉感知、细粒度理解与空间感知能力。前瞻性地探索包括“带图思考”在内的 Visual Agent 解决方案，赋予模型更深层次的物理世界理解与执行能力；\r\n3.提高大模型可靠性：致力于大幅度降低多模态大模型幻觉。深入探究幻觉产生的本质，建设完善的幻觉检测链路，实施精细化的数据清洗策略，并主导研发基于强化学习的幻觉消除（Hallucination Removal）方案；\r\n4.赋能用户交互场景：面向真实用户场景进行模型对齐与调优，强化模型在多轮图文交互中的逻辑推理、指令遵循（Instruction Following）以及细节感知能力。搭建线上 Badcase 监控与数据飞轮反馈闭环，持续打磨并打造极致的交互体验。\n1.计算机科学/软件工程/人工智能等相关专业硕士及以上学历；\r\n2.深入理解 Transformer 架构及大语言模型训练原理，在 LLM Alignment、RLHF、Reward Modeling、个性化大模型（Personalized LLM）、记忆机制（Memory/RAG）等后训练领域之一有深入的研究和实践经验；\r\n3.在用户画像建模、推荐系统与大模型结合、或超长上下文/长期记忆模型优化方面有丰富实战经验者优先；\r\n4.具备扎实的算法基础和工程实现能力，熟练掌握 Python，熟悉 PyTorch/TensorFlow 等深度学习框架；\r\n5.拥有分布式训练实战经验，熟悉 Megatron-LM, DeepSpeed, vLLM 等大规模训练及推理框架，有百亿/千亿参数模型训练或调优经验者优先；\r\n6.具备优秀的科研素养，有高质量论文发表（NeurIPS, ICLR, ICML, ACL, EMNLP 等）或在开源社区（如 HuggingFace）有高影响力项目贡献者优先；\r\n7.具备强烈的技术热情和自驱力，善于分析和解决复杂问题，拥有良好的团队协作和沟通能力。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}