{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "安全大模型 / AI Agent 算法工程师",
        "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": "算法研发"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、机器学习、自然语言处理、网络安全或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.负责面向网络安全场景的大模型与 AI Agent 核心能力研发，包括但不限于安全推理、漏洞分析、自动化渗透测试、威胁分析、代码安全、安全运营等方向，探索 AI 对传统安全能力的重构；\n2.负责大模型 Post-training 与 Agent 能力优化，结合 SFT、RL、偏好优化、推理增强、Tool Use、RAG、Memory、Multi-Agent 等技术，持续提升模型在复杂安全任务中的推理、规划、工具调用和自主执行能力；\n3.构建高质量安全数据与数据飞轮，从真实业务、漏洞案例、安全专家经验、攻防过程和模型运行轨迹中自动挖掘、清洗和生成训练数据，建立“数据—训练—评测—反馈—迭代”的持续进化闭环；\n4.建立面向真实安全任务的大模型 / Agent 评测体系，设计 Benchmark、自动化评测和效果分析方法，从任务成功率、漏洞发现能力、误报率、推理效率、工具调用准确率等维度衡量并持续提升模型能力；\n5.跟踪并验证 AI 前沿技术，关注 Foundation Model、Reasoning Model、Agent、RL、Context Engineering、Test-time Scaling 等方向，将前沿研究快速转化为可验证、可落地的安全能力；\n6.与安全专家、算法、工程及产品团队紧密合作，将模型能力应用到真实安全业务中，并通过真实场景反馈持续推动算法和系统演进。",
        "requirements_text": "1.计算机、人工智能、机器学习、自然语言处理、网络安全或相关专业本科及以上学历，硕士 / 博士优先；\n2.具备扎实的大模型基础，对 Transformer、LLM Post-training、推理模型、Agent 等技术有深入理解，并具备实际研发或落地经验；\n3.具备较强的动手和实验能力，能够独立完成从问题定义、数据构建、模型训练 / 调优、Benchmark 设计到效果分析的完整研发闭环，而不仅限于模型 API 调用；\n4.熟悉至少一个大模型训练与推理技术栈，如 PyTorch、Transformers、vLLM、SGLang、DeepSpeed、Ray 等；具备大规模训练、强化学习或推理优化经验者优先；\n5.对 AI Agent 有较深入理解，具备 Tool Use、Function Calling、RAG、Memory、Workflow、Multi-Agent 或 Agent Harness 等相关实践经验者优先；\n6.具有较强的问题抽象能力和研究能力，能够快速理解新技术、复现前沿工作，并判断其在真实业务中的价值；\n7.对网络安全、漏洞挖掘、渗透测试、代码安全、威胁分析等方向有经验或浓厚兴趣者优先；具备 AI × Security 交叉背景者优先；\n8.在 NeurIPS、ICML、ICLR、ACL、EMNLP、USENIX Security、IEEE S&P、CCS、NDSS 等顶级 AI / 安全会议发表过高质量论文，或在开源项目、Benchmark、算法竞赛中有突出成果者优先；\n9.具备良好的沟通协作能力和技术判断力，能够与算法、安全专家及工程团队共同解决复杂问题。",
        "skills": [AI生成
            "PyTorch",
            "机器学习",
            "强化学习",
            "自然语言处理",
            "模型训练",
            "大语言模型",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "1.计算机、人工智能、机器学习、自然语言处理、网络安全或相关专业本科及以上学历，硕士 / 博士优先；具备大规模训练、强化学习或推理优化经验者优先；5.对 AI Agent 有较深入理解，具备 Tool Use、Function Calling、RAG、Memory、Workflow、Multi-Agent 或 Agent Harness 等相关实践经验者优先；7.对网络安全、漏洞挖掘、渗透测试、代码安全、威胁分析等方向有经验或浓厚兴趣者优先；具备 AI × Security 交叉背景者优先；8.在 NeurIPS、ICML、ICLR、ACL、EMNLP、USENIX Security、IEEE S&P、CCS、NDSS 等顶级 AI / 安全会议发表过高质量论文，或在开源项目、Benchmark、算法竞赛中有突出成果者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers.tencent.com/jobdesc.html?postId=2097162697769660416"
            }
        ]
    },
    "posting": {
        "posting_id": "2097162697769660416",
        "post_date": "2026-09-16",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.tencent.com/jobdesc.html?postId=2097162697769660416"
    },
    "fulltext": "安全大模型 / AI Agent 算法工程师\n相信你与所有腾讯安全人一样，都认为抵抗邪恶是一件极其热血的事。希望你与我们一起，守护用户的安全，守护产品的安全，守护科技向善的不变初心。\n1.负责面向网络安全场景的大模型与 AI Agent 核心能力研发，包括但不限于安全推理、漏洞分析、自动化渗透测试、威胁分析、代码安全、安全运营等方向，探索 AI 对传统安全能力的重构；\n2.负责大模型 Post-training 与 Agent 能力优化，结合 SFT、RL、偏好优化、推理增强、Tool Use、RAG、Memory、Multi-Agent 等技术，持续提升模型在复杂安全任务中的推理、规划、工具调用和自主执行能力；\n3.构建高质量安全数据与数据飞轮，从真实业务、漏洞案例、安全专家经验、攻防过程和模型运行轨迹中自动挖掘、清洗和生成训练数据，建立“数据—训练—评测—反馈—迭代”的持续进化闭环；\n4.建立面向真实安全任务的大模型 / Agent 评测体系，设计 Benchmark、自动化评测和效果分析方法，从任务成功率、漏洞发现能力、误报率、推理效率、工具调用准确率等维度衡量并持续提升模型能力；\n5.跟踪并验证 AI 前沿技术，关注 Foundation Model、Reasoning Model、Agent、RL、Context Engineering、Test-time Scaling 等方向，将前沿研究快速转化为可验证、可落地的安全能力；\n6.与安全专家、算法、工程及产品团队紧密合作，将模型能力应用到真实安全业务中，并通过真实场景反馈持续推动算法和系统演进。\n1.计算机、人工智能、机器学习、自然语言处理、网络安全或相关专业本科及以上学历，硕士 / 博士优先；\n2.具备扎实的大模型基础，对 Transformer、LLM Post-training、推理模型、Agent 等技术有深入理解，并具备实际研发或落地经验；\n3.具备较强的动手和实验能力，能够独立完成从问题定义、数据构建、模型训练 / 调优、Benchmark 设计到效果分析的完整研发闭环，而不仅限于模型 API 调用；\n4.熟悉至少一个大模型训练与推理技术栈，如 PyTorch、Transformers、vLLM、SGLang、DeepSpeed、Ray 等；具备大规模训练、强化学习或推理优化经验者优先；\n5.对 AI Agent 有较深入理解，具备 Tool Use、Function Calling、RAG、Memory、Workflow、Multi-Agent 或 Agent Harness 等相关实践经验者优先；\n6.具有较强的问题抽象能力和研究能力，能够快速理解新技术、复现前沿工作，并判断其在真实业务中的价值；\n7.对网络安全、漏洞挖掘、渗透测试、代码安全、威胁分析等方向有经验或浓厚兴趣者优先；具备 AI × Security 交叉背景者优先；\n8.在 NeurIPS、ICML、ICLR、ACL、EMNLP、USENIX Security、IEEE S&P、CCS、NDSS 等顶级 AI / 安全会议发表过高质量论文，或在开源项目、Benchmark、算法竞赛中有突出成果者优先；\n9.具备良好的沟通协作能力和技术判断力，能够与算法、安全专家及工程团队共同解决复杂问题。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [
            "T023"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}