主分类：大模型与生成式算法研发
辅助：搜索推荐与业务决策算法研发（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": "微信搜索-高级研究员-大模型应用搜索方向",
"job_level": "高级",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": 3,
"degree": "计算机、人工智能、数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.负责微信视频搜索排序系统的大模型化升级，主导生成式排序范式在精排/混排环节的架构设计与落地，推动搜索排序从判别式建模向生成式理解跃迁；\n2.深度融合视频多模内容、用户长短期兴趣与搜索上下文，设计端到端的满意度与相关性联合建模方案，从「匹配」走向「理解用户真实意图」；\n3.主导大模型的后训练体系建设，熟悉SFT、强化学习（RLHF/GRPO/DPO）等训练范式；\n4.探索大模型在搜索场景下的数据飞轮闭环，构建从线上反馈到自动化标注、训练、评测的可持续迭代能力；\n5.跟踪业界前沿进展，在生成式检索、Reasoning、Agentic Search 等方向做前瞻性技术布局，并推动成果在亿级用户产品中规模化验证。",
"requirements_text": "1.计算机、人工智能、数学等相关专业硕士及以上学历，具备扎实的机器学习与深度学习理论基础；\n2.精通大模型后训练技术栈，在 SFT、强化学习（PPO/GRPO/DAPO/DPO）中至少一项有深入实践与体系化认知，理解其背后的优化本质而非仅停留在调参层面；\n3.熟练掌握主流训练与推理框架（Megatron-LM / DeepSpeed / veRL / vLLM / SGLang 等），具备千卡级分布式训练或大规模在线推理优化经验；\n4.在搜索、推荐、广告等大规模排序系统中有实际落地经验，理解召回-粗排-精排-混排全链路，具备从0到1推动技术方案上线并取得业务收益的完整闭环能力；\n5.具备优秀的问题抽象与工程实现能力，能在效果、时延、成本的多重约束下找到最优解；\n6.对技术有真正的热情与好奇心，愿意在高不确定性的方向上持续深耕。",
"skills": [AI生成
"机器学习",
"深度学习",
"强化学习",
"大语言模型"
],
"preferred_qualifications": "1.在 NeurIPS / ICML / ICLR / KDD / SIGIR / ACL 等顶会顶刊有一作论文发表，或在 Kaggle、天池等竞赛中获得优异成绩；\n2.有多模态大模型（视频理解、图文对齐）相关研究或落地经验；\n3.有生成式检索、LLM-as-Ranker、搜推一体等前沿方向的探索经验；\n4.有模型蒸馏、量化、推理加速等效率优化的深度实践，能在小参数量模型上逼近大模型效果；\n5.有开源社区贡献，或在业界有一定技术影响力。",
"job_highlights": "1.真实的大规模战场，直面微信十亿级日活用户的视频搜索场景，技术价值可被清晰度量；\n2.可观的业务提升空间，搜索排序的大模型化仍处早期，目前不是在成熟框架内做优化，而是在定义下一代搜索的技术形态，有充分的空间提出并验证自己的判断；\n3.体系化的技术纵深，从数据构建、后训练、推理加速到在线系统，全链路自主可控，能获得的不是某个环节的局部经验，而是端到端的完整认知；\n4.充足的资源与信任，千卡级算力资源、成熟的训练平台与数据基建，团队相信「给到位的资源 + 足够的空间」才能长出真正的技术；\n5.高密度的同行者"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2091790925369094144"
}
]
},
"posting": {
"posting_id": "2091790925369094144",
"post_date": "2026-09-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2091790925369094144"
},
"fulltext": "微信搜索-高级研究员-大模型应用搜索方向\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.负责微信视频搜索排序系统的大模型化升级，主导生成式排序范式在精排/混排环节的架构设计与落地，推动搜索排序从判别式建模向生成式理解跃迁；\n2.深度融合视频多模内容、用户长短期兴趣与搜索上下文，设计端到端的满意度与相关性联合建模方案，从「匹配」走向「理解用户真实意图」；\n3.主导大模型的后训练体系建设，熟悉SFT、强化学习（RLHF/GRPO/DPO）等训练范式；\n4.探索大模型在搜索场景下的数据飞轮闭环，构建从线上反馈到自动化标注、训练、评测的可持续迭代能力；\n5.跟踪业界前沿进展，在生成式检索、Reasoning、Agentic Search 等方向做前瞻性技术布局，并推动成果在亿级用户产品中规模化验证。\n1.计算机、人工智能、数学等相关专业硕士及以上学历，具备扎实的机器学习与深度学习理论基础；\n2.精通大模型后训练技术栈，在 SFT、强化学习（PPO/GRPO/DAPO/DPO）中至少一项有深入实践与体系化认知，理解其背后的优化本质而非仅停留在调参层面；\n3.熟练掌握主流训练与推理框架（Megatron-LM / DeepSpeed / veRL / vLLM / SGLang 等），具备千卡级分布式训练或大规模在线推理优化经验；\n4.在搜索、推荐、广告等大规模排序系统中有实际落地经验，理解召回-粗排-精排-混排全链路，具备从0到1推动技术方案上线并取得业务收益的完整闭环能力；\n5.具备优秀的问题抽象与工程实现能力，能在效果、时延、成本的多重约束下找到最优解；\n6.对技术有真正的热情与好奇心，愿意在高不确定性的方向上持续深耕。\n1.在 NeurIPS / ICML / ICLR / KDD / SIGIR / ACL 等顶会顶刊有一作论文发表，或在 Kaggle、天池等竞赛中获得优异成绩；\n2.有多模态大模型（视频理解、图文对齐）相关研究或落地经验；\n3.有生成式检索、LLM-as-Ranker、搜推一体等前沿方向的探索经验；\n4.有模型蒸馏、量化、推理加速等效率优化的深度实践，能在小参数量模型上逼近大模型效果；\n5.有开源社区贡献，或在业界有一定技术影响力。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}