主分类：大模型与生成式算法研发
辅助：自然语言处理算法研发（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-大模型算法工程师-搜索 Planner 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": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责搜索 Planner 的算法设计与研发，基于大模型构建 query 理解与改写系统，覆盖纠错、归一化、意图补全、语义扩展等场景；\r\n2.设计并构建 SFT / RLHF / DPO 训练数据 pipeline，包括数据采集、蒸馏、质量过滤与模板组装，探索数据合成等 AI-Native 数据生产方式；\r\n3.攻关大模型训练与对齐的关键难题，包括输出长度偏差、类别不平衡、训练-推理分布一致性等；\r\n4.设计高效推理链路，包括 constrained decoding、early stopping、多路改写并行召回，结合量化、KV Cache 优化等手段平衡效果与时延；\r\n5.以端到端业务指标为北极星，建立并持续优化评估体系，负责效果调优与 bad case 治理，形成评估、优化、上线、反哺的闭环。",
"requirements_text": "1.计算机、人工智能、数学等相关专业，硕士及以上学历，2 年以上大模型 / NLP / 搜索相关经验；\r\n2.深入理解 Transformer 架构与大模型技术栈，包括注意力机制、KV Cache、预训练与后训练（SFT / RLHF / DPO）、量化与推理优化；\r\n3.有大模型训练实操经验，熟悉 LoRA / QLoRA、分布式训练、DeepSpeed 等，能独立完成微调与对齐；\r\n4.AI-Native 工作方式，熟练运用 AI 编程工具与自动化 pipeline，能快速搭建数据、训练、评测的自动化链路；\r\n5.精通 Python 与 PyTorch，具备良好的工程落地能力与业务 sense，以端到端效果为导向。",
"skills": [AI生成
"Python",
"PyTorch",
"自然语言处理",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "1.有搜索 query 理解、query 改写、语义召回等大模型落地经验；\r\n2.熟悉大模型推理框架（vLLM / SGLang）与 constrained decoding、speculative decoding 等加速技术；\r\n3.有 RLHF / DPO / On-Policy Distillation（OPD）等对齐方法实操经验；\r\n4.熟悉 Qwen、DeepSeek 等开源模型的微调、量化与部署；\r\n5.在 ACL / EMNLP / NeurIPS / ICLR / SIGIR / KDD 等会议发表过相关论文。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2091832458562682880"
}
]
},
"posting": {
"posting_id": "2091832458562682880",
"post_date": "2026-09-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2091832458562682880"
},
"fulltext": "微信搜索-大模型算法工程师-搜索 Planner 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.负责搜索 Planner 的算法设计与研发，基于大模型构建 query 理解与改写系统，覆盖纠错、归一化、意图补全、语义扩展等场景；\r\n2.设计并构建 SFT / RLHF / DPO 训练数据 pipeline，包括数据采集、蒸馏、质量过滤与模板组装，探索数据合成等 AI-Native 数据生产方式；\r\n3.攻关大模型训练与对齐的关键难题，包括输出长度偏差、类别不平衡、训练-推理分布一致性等；\r\n4.设计高效推理链路，包括 constrained decoding、early stopping、多路改写并行召回，结合量化、KV Cache 优化等手段平衡效果与时延；\r\n5.以端到端业务指标为北极星，建立并持续优化评估体系，负责效果调优与 bad case 治理，形成评估、优化、上线、反哺的闭环。\n1.计算机、人工智能、数学等相关专业，硕士及以上学历，2 年以上大模型 / NLP / 搜索相关经验；\r\n2.深入理解 Transformer 架构与大模型技术栈，包括注意力机制、KV Cache、预训练与后训练（SFT / RLHF / DPO）、量化与推理优化；\r\n3.有大模型训练实操经验，熟悉 LoRA / QLoRA、分布式训练、DeepSpeed 等，能独立完成微调与对齐；\r\n4.AI-Native 工作方式，熟练运用 AI 编程工具与自动化 pipeline，能快速搭建数据、训练、评测的自动化链路；\r\n5.精通 Python 与 PyTorch，具备良好的工程落地能力与业务 sense，以端到端效果为导向。\n1.有搜索 query 理解、query 改写、语义召回等大模型落地经验；\r\n2.熟悉大模型推理框架（vLLM / SGLang）与 constrained decoding、speculative decoding 等加速技术；\r\n3.有 RLHF / DPO / On-Policy Distillation（OPD）等对齐方法实操经验；\r\n4.熟悉 Qwen、DeepSeek 等开源模型的微调、量化与部署；\r\n5.在 ACL / EMNLP / NeurIPS / ICLR / SIGIR / KDD 等会议发表过相关论文。",
"standard_classification": {
"std_category_code": "T010",
"std_aux_codes": [
"T036"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}