主分类：大模型与生成式算法研发
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": "微信小程序-大模型算法工程师-Coding方向",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "WXG",
"location": "广州",
"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、数学等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责小程序代码大模型后训练工作，包括高质量训练数据合成与价值分析、SFT /RLVR 等训练方案设计落地，以及训练效果评估；\r\n2.建设代码任务验证与奖励信号体系，综合运用多种验证策略，持续建模和校准奖励信号，为 RLVR 训练提供稳定、细粒度、可解释的反馈；\r\n3.跟踪大模型后训练前沿技术，探索强化学习算法优化、奖励建模与 Agentic Coding 等方向，并推动在业务场景中落地。",
"requirements_text": "1.计算机、数学等相关专业本科及以上学历，熟练使用 Python，具备良好的工程能力；\r\n2.扎实的计算机与深度学习基础，深入理解 Transformer 架构及主流大模型训练框架；\r\n3.具备大模型后训练项目经验，熟悉 SFT 与 RLVR 训练流程，理解奖励信号设计、强化学习算法调优与训练稳定性问题；\r\n4.具备较强的数据处理与实验分析能力，能进行训练数据合成、清洗、价值评估与 badcase 归因，有大规模代码语料处理经验者优先；\r\n5.具备快速学习与独立解决问题的能力，有团队合作精神，对探索前沿技术有持续热情。",
"skills": [AI生成
"Python",
"深度学习",
"强化学习",
"模型训练",
"团队协作",
"解决问题",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "1.在 NeurIPS、ACL、ICML、EMNLP 等顶级会议以第一作者发表过论文优先；\r\n2.熟悉代码生成、代码理解、Agentic Coding、自动化测试，有相关项目经验者优先。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2082710394723545088"
}
]
},
"posting": {
"posting_id": "2082710394723545088",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2082710394723545088"
},
"fulltext": "微信小程序-大模型算法工程师-Coding方向\n渴望为世界带来新意的人，早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯始终在业界前沿不断探索，积极布局，并为优秀的你提供无限广阔的舞台。我们坚信科技的不断革新，最终能带来美好的、撼动人心的改变。\n1.负责小程序代码大模型后训练工作，包括高质量训练数据合成与价值分析、SFT /RLVR 等训练方案设计落地，以及训练效果评估；\r\n2.建设代码任务验证与奖励信号体系，综合运用多种验证策略，持续建模和校准奖励信号，为 RLVR 训练提供稳定、细粒度、可解释的反馈；\r\n3.跟踪大模型后训练前沿技术，探索强化学习算法优化、奖励建模与 Agentic Coding 等方向，并推动在业务场景中落地。\n1.计算机、数学等相关专业本科及以上学历，熟练使用 Python，具备良好的工程能力；\r\n2.扎实的计算机与深度学习基础，深入理解 Transformer 架构及主流大模型训练框架；\r\n3.具备大模型后训练项目经验，熟悉 SFT 与 RLVR 训练流程，理解奖励信号设计、强化学习算法调优与训练稳定性问题；\r\n4.具备较强的数据处理与实验分析能力，能进行训练数据合成、清洗、价值评估与 badcase 归因，有大规模代码语料处理经验者优先；\r\n5.具备快速学习与独立解决问题的能力，有团队合作精神，对探索前沿技术有持续热情。\n1.在 NeurIPS、ACL、ICML、EMNLP 等顶级会议以第一作者发表过论文优先；\r\n2.熟悉代码生成、代码理解、Agentic Coding、自动化测试，有相关项目经验者优先。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}