{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "企业微信- agent算法工程师",
        "job_level": "高级",AI生成
        "work_category": "全职",AI生成
        "department": "",
        "location": "成都·武侯区·中和",
        "work_mode": "现场办公",AI生成
        "job_category": "AI模型算法工程师"AI生成
    },
    "company": {
        "company_name": "腾讯",
        "company_industry": "互联网",
        "company_size": "10000人以上",
        "company_website": "",
        "company_description": "腾讯以技术丰富互联网用户的生活。"
    },
    "compensation": {
        "salary_range": {
            "min": 50000,
            "max": 80000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "定期体检 | 补充医疗保险 | 餐补 | 带薪年假 | 股票期权 | 员工旅游 | 包吃 | 住房补贴 | 五险一金 | 节日福利 | 免费健身房 | 年终奖 | 公仔周边活动 | 免费早晚餐 | 免费班车 | 零食下午茶 | 交通补助"
    },
    "requirements": {
        "working_years": 5,
        "degree": "硕士",
        "language": "中文",AI生成
        "visa_support": "",
        "responsibilities": "发表算法相关优秀论文\n分布式训练\n深度学习\n大模型算法\n算法工程化经验\n强化学习\n参加算法相关竞赛/获奖\n优秀开源项目经历\n！！！该岗位支持base 成都、广州、北京\n1.负责构建具备自主决策、协作与工具调⽤能⼒的多智能体系统（Multi-Agent System），推动⼤模型从“对话式AI”向“任务执行体”演进，解决复杂场景下的自动化问题；\n2.深⼊研究并应用LLM的复杂推理技术（如思维链CoT、思维树ToT），攻克开放式、复杂问题的深度研究模式，赋予Agent独立探索与解决问题的能力；\n3.运用指令微调、强化学习等方法，提升大模型规划、推理与遵循指令的能力，从而提升模型知识边界探索和抗干扰的能力。",
        "requirements_text": "1.计算机、机器学习等相关专业，硕士及以上学历，具备良好的计算机基础和算法基础；\n2.对大模型和Agent有较深入的理解，了解AgentArchitectures/Structures（Multi-Agent、ContextEngineering/Management、ReAct/PlanAct/CodeAct），了解Agent相关的交互协议（MCP、A2A、FunctionCall），熟悉常见的LLM实施模式、提示工程、评估框架、代理框架和检索框架等；\n3.熟悉模型的Post-training训练技术，能针对特定模型能力问题进行SFT、RL训练优化；\n4.在ACL、EMNLP、NeurIPS等顶尖会议等发表过文章或机器学习优秀开源项目贡献者优先；\n5.该岗位支持base 成都、广州、北京。",
        "skills": [AI生成
            "大模型原理与能力边界",
            "Agent系统构建",
            "Prompt工程",
            "工具调用/MCP",
            "模型微调与对齐",
            "模型训练与算法优化",
            "分布式/微服务系统设计",
            "复杂问题分析与解决"
        ],
        "preferred_qualifications": "",
        "job_highlights": "5-10年 | 硕士"
    },
    "contact": {
        "recruiter_name": "郭女士",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/6825d2de3b3fc29b031y09W8FlFT.html"
            }
        ]
    },
    "posting": {
        "posting_id": "6825d2de3b3fc29b031y09W8FlFT",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/6825d2de3b3fc29b031y09W8FlFT.html"
    },
    "fulltext": "发表算法相关优秀论文\n分布式训练\n深度学习\n大模型算法\n算法工程化经验\n强化学习\n参加算法相关竞赛/获奖\n优秀开源项目经历\n！！！该岗位支持base 成都、广州、北京\n岗位职责\n1.负责构建具备自主决策、协作与工具调⽤能⼒的多智能体系统（Multi-Agent System），推动⼤模型从“对话式AI”向“任务执行体”演进，解决复杂场景下的自动化问题；\n2.深⼊研究并应用LLM的复杂推理技术（如思维链CoT、思维树ToT），攻克开放式、复杂问题的深度研究模式，赋予Agent独立探索与解决问题的能力；\n3.运用指令微调、强化学习等方法，提升大模型规划、推理与遵循指令的能力，从而提升模型知识边界探索和抗干扰的能力。\n岗位要求\n1.计算机、机器学习等相关专业，硕士及以上学历，具备良好的计算机基础和算法基础；\n2.对大模型和Agent有较深入的理解，了解AgentArchitectures/Structures（Multi-Agent、ContextEngineering/Management、ReAct/PlanAct/CodeAct），了解Agent相关的交互协议（MCP、A2A、FunctionCall），熟悉常见的LLM实施模式、提示工程、评估框架、代理框架和检索框架等；\n3.熟悉模型的Post-training训练技术，能针对特定模型能力问题进行SFT、RL训练优化；\n4.在ACL、EMNLP、NeurIPS等顶尖会议等发表过文章或机器学习优秀开源项目贡献者优先；\n5.该岗位支持base 成都、广州、北京。"
}