岗位描述
1.长期记忆机制研发：负责大模型长期记忆全链路算法设计，实现记忆抽取、存储、检索、更新、遗忘，解决跨会话记忆一致性、冲突与时效性问题； 2.个性化用户建模：基于用户交互、行为数据构建用户模型，挖掘用户偏好、表达习惯，驱动模型动态适配，提升个性化交互体验； 3.记忆方向模型后训练：使用 SFT/RLHF/ 奖励建模等技术，把记忆调用、准确性、个性化目标转化为训练信号；构建高质量训练数据，搭建用户反馈驱动的模型迭代闭环； 4.评测体系搭建：设计记忆、个性化相关评测指标，构建自动化评测集与线上实验体系，评估召回、幻觉、隐私风险等； 5.前沿技术落地：跟踪 Memory Agent、持续学习等前沿方向，推动技术成果业务落地。 1.计算机、AI 等相关专业硕士及以上学历； 2.精通 Transformer 与大模型训练原理，在长期记忆、RAG、个性化 LLM、超长上下文、大模型 + 用户画像任一方向有扎实实践； 3.熟悉 SFT/RLHF/ 奖励建模，能将记忆、个性化目标转化为训练信号优先； 4.有向量库、知识图谱、记忆 Agent 框架、多轮对话状态管理等实战经验优先； 5.算法与工程基础扎实，熟练 Python，掌握 PyTorch/TensorFlow； 6.熟悉分布式训练、Megatron-LM/DeepSpeed/vLLM，有百亿 + 大模型调优经验优先。 申请岗位 申请岗位 相关推荐岗位 混元大模型预训练算法研究员/专家研究员（深圳/北京/上海） 北京 TEG 技术 两年以上工作经验 更新于2026年10月20日 1.负责生成式大模型预训练相关的工作，包括但不限于：大规模模型预训练，长文本预训练，线性模型结构探索； 2.探索与跟进前沿技术，寻求技术突破，推动机器在AIGC能力的提升和突破； 3.探索高效的模型知识嵌入方法以及模型知识在线学习更新； 4.探索文本模型预训练的scaling law，在小规模小成本下更精准地预测大规模训练后的表现。 分享 分享岗位 方式1:复制岗位链接 点击复制 方式2:分享岗位海报 手机扫描二维码分享 收藏 混元AIGC算法研究员（多模态生成基模方向）（深圳/北京/上海） 北京 TEG 技术 两年以上工作经验 更新于2026年10月20日 1.从事多模态生成大模型基础模型算法训练和优化，包括图像生成、视频生成、多模态迭代生成、多模态编辑等； 2.从事基础大模型的组建研发，如Diffusion Models、Autoregressive Models等； 3.从事大模型数据科学的设计与实现，大模型训练和推理加速，确保基础模型的竞争力领先和顺利落地。 分享 分享岗位 方式1:复制岗位链接 点击复制 方式2:分享岗位海报 手机扫描二维码分享 收藏 游戏AI-LLM大模型算法研究员 北京 TEG 技术 两年以上工作经验 更新于2026年10月19日 1.负责LLM在游戏领域的应用落地，包括但不限于游戏智能NPC的对话、决策交互、陪玩等； 2.负责大模型开发的相关工作，包括但不限于：数据合成、微调（SFT、蒸馏）、强化（DPO、GRPO）、RAG、多模态LLM（涉及游戏盘面状态）等； 3.负责探索与跟进AIGC前沿技术，结合未来实际应用场景，提供技术解决方案。 分享 分享岗位 方式1:复制岗位链接 点击复制 方式2:分享岗位海报 手机扫描二维码分享 收藏 混元视频感知与理解算法研究员（北京/上海）(深圳) 北京 TEG 技术 两年以上工作经验 更新于2026年10月12日 1.主导视频能力建设：负责多模态大语言模型（VLM）的视频感知与理解能力研发，围绕视频数据、训练方法与评测体系开展系统性建设，持续提升模型对动态视觉世界的理解能力与能力上限； 2.攻坚视频基础理解：聚焦视频中的时序、运动、事件、行为及空间关系等核心能力，提升模型对复杂动态场景、细粒度视觉信息及长程上下文的感知和理解能力； 3.提升复杂视频推理：探索面向视频场景的多步推理、时空推理、因果推理及组合推理能力，研究视频信息与大语言模型推理能力的深度融合，提升模型解决复杂视频任务的泛化能力； 4.建设视频评测与数据飞轮：建立系统化的视频能力评测体系，持续分析模型能力边界与核心 Badcase，形成“评测—数据—训练—验证”的研发闭环，驱动模型能力持续迭代； 5.推进视频全流程研发：负责视频方向的 预训练、中训练、后训练的数据生产，开展SFT、强化学习等后训练算法研发，建设高质量视频训练数据及自动化数据生产流程，探索更高效的视频能力学习与对齐方法。 分享 分享岗位 方式1:复制岗位链接 点击复制 方式2:分享岗位海报 手机扫描二维码分享 收藏 混元Agent后训练算法工程师（北京/上海/深圳） 北京 TEG 技术 两年以上工作经验 更新于2026年10月20日 1.Agent 后训练算法设计与实现：主导基模大模型的 Agent 化后训练方案研发，包括指令微调（SFT）、奖励模型（RM）训练、强化学习（RLHF/RLAIF）优化，聚焦任务规划、记忆机制、工具调用、多轮对话一致性等核心能力提升。； 2.后训练数据体系构建：设计 Agent 后训练数据的采集、清洗、标注与迭代策略，涵盖通用指令集、任务型对话数据、工具调用样本、多模态交互数据等，建立数据质量评估与筛选机制，优化数据分布与多样性。； 3.Agent 能力优化与突破：针对 Agent 在复杂任务拆解、跨领域知识迁移、动态环境适配等场景的痛点，研发创新后训练算法（如分层任务规划训练、多智能体协作训练、反幻觉优化），提升 Agent 的决策准确性与鲁棒性。； 4.工程化落地与系统协作：搭建高高效后训练流水线，支持大规模数据并行处理、分布式训练（DDP/FSDP）与模型压缩部署；与产品、工程团队协作，打通 “后训练 - 评测 - 迭代” 闭环，适配不同场景下的 Agent 产品需求。； 5.技术创新与沉淀：跟踪大模型 Agent 领域前沿技术（如 LLM+Planning、Tool Learning、Multi-Agent Interaction），主导核心技术攻关与专利申请；输出可复用的后训练算法组件、技术文档与评测基准，推动团队技术能力沉淀。 分享 分享岗位 方式1:复制岗位链接 点击复制 方式2:分享岗位海报 手机扫描二维码分享 收藏 混元VLM 预训练数据算法工程师（北京/深圳/上海） 北京 TEG 技术 两年以上工作经验 更新于2026年10月20日 1.多模态数据体系构建：设计并实现 VLM 预训练数据的采集、清洗、标注全流程方案，涵盖通用图文对、OCR 数据、Visual Grounding/Counting 数据、3D 空间理解数据及视频时序数据等多类型数据，建立数据质量评估体系（如 CLIP 相似度过滤、标注一致性校验）。； 2.数据算法创新设计：研发多模态数据对齐算法，优化视觉 - 语言模态映射策略；设计高效数据增强方案，包括图像形变、文本扰动、跨模态混合增强等，提升模型鲁棒性与场景适应性；探索自动标注与数据合成技术（如 Grounding DINO 自动框标注、LLM 辅助问答生成），降低标注成本。； 3.预训练数据策略优化：结合 VLM 预训练目标（模态对齐、上下文学习、复杂推理），设计数据配比方案与训练数据筛选策略；迭代优化数据配方，解决数据冗余、分布偏差等问题，提升训练效率与模型效果。； 4.工程化落地与协作：搭建高吞吐率数据处理流水线，支持大规模多模态数据的并行处理与分布式训练适配；与模型训练团队协作，打通数据 - 训练 - 评测闭环，提供定制化数据解决方案；跟进 NVILA、InternVL 等前沿技术，推动数据算法的工程化落地。； 5.技术沉淀与创新：跟踪 VLM 领域数据相关前沿研究（如预训练数据设计、模态融合策略），主导技术攻关与专利申请；输出可复用的数据处理算法组件与技术文档，建立团队数据算法基准体系。 分享 分享岗位 方式1:复制岗位链接 点击复制 方式2:分享岗位海报 手机扫描二维码分享 收藏 混元大语言模型后训练算法工程师-模型合版方向（北京/深圳） 北京 TEG 技术 两年以上工作经验 更新于2026年10月20日 1.深度参与混元大模型后训练（包括 SFT、RL ）及模型合版的研发和相关算法策略研究，提升模型泛化性、能力边界和上限； 2.后训练策略和生产范式的研究，探索更加敏捷、普适和可扩展的训练范式，提升训练和生产效率； 3.相关前沿后训练技术方向探索，包括但不限于 Reasoning/Agentic 能力增强和 Scaling， RL/OPD 等收敛性和可扩展性研究； 4.将研究成果转化为实际的模型能力或生产效率，并撰写高水平技术报告或论文，提升技术影响力。 分享 分享岗位 方式1:复制岗位链接 点击复制 方式2:分享岗位海报 手机扫描二维码分享 收藏 查看更多 事业群介绍 技术工程事业群 TEG技术工程事业群是腾讯核心技术支撑平台，负责公司关键技术演进与前沿科技的探索，协同腾讯云为各行业提供数字化技术解决方案，推动产业转型升级，助力实体经济发展；牵头腾讯技术委员会，通过内部开源协同，优化技术研发环境，打造具有腾讯特色的技术中台，不断提升公司的研发效能。 深耕AI、大数据、云计算、安全、计费、数据库、网络、服务器和数据中心等核心技术领域，依托扎实的技术研究能力及海量应用场景，打造世界级前沿技术与创新科技！ 关注腾讯招聘 复制链接 点击跳转 公司 关于腾讯 腾讯公