腾讯混元大模型算法工程师
任职要求
1.硕士或博士学位，机器学习、人工智能、自然语言处理或相关领域的专业背景； 2.3年以上相关工作经验，有大型语言模型算法研究或落地经验者优先； 3.高质量相关论文Neur…
工作职责
1.负责混元大模型相关研发工作，包括文本创作、文本理解、数学、翻译、Agent FunctionCalls等专项； 2.负责混元在公司内相关业务场景落地，根据业务需求优化混元模型，提升业务效果； 3.负责跟踪和探索大语言模型的前沿问题，结合实际场景，提供全面的技术解决方案，参与前沿算法与应用的研究。
1.负责混元大模型 Post-training 研发与应用，根据落地场景优化混元模型能力和 AI PaaS效果，包括 Agent 构建与强化、多轮对话、翻译等； 2.负责混元在公司内相关业务场景落地，根据业务需求优化混元模型，提升业务效果； 3.跟踪和探索大模型的前沿问题，结合实际场景，提供全面的技术解决方案，参与前沿算法与应用的研究。
1.负责大语言模型（LLM）规划、推理、反思能力的研究，提升大语言模型的高阶推理能力； 2.跟进推理领域的前沿技术，将其应用于混元大模型基座，持续提升大模型的推理能力。
1.参与LLM、多模态大模型压缩加速方案研究，包括投机采样、稀疏化、量化和蒸馏等方法； 2.设计可落地的大模型压缩算法及成本优化方案，助力大模型的性能加速； 3.分析业务性能瓶颈和模型特点，定制化开发大模型压缩优化工具，实现高速推理方案。
1.负责大语言模型后训练（Post-Training）阶段的核心技术研发，构建和优化高质量的奖励系统（Reward System），通过Reward Modeling (RM) 和强化学习（RL）算法持续提升模型在复杂指令遵循、逻辑推理及价值观对齐方面的能力； 2.深入研究和优化 RLHF 等后训练算法，提升模型训练的稳定性和最终效果； 3.负责大模型个性化（Personalization）与长期记忆（Memory）机制的算法研发，构建精准的“千人千面”用户建模体系，探索模型如何理解、提取、记忆并动态适应不同用户的长期偏好，持续提升个性化交互体验； 4.负责后训练阶段的数据合成与管理，设计高效的数据飞轮机制，利用SFT、Self-Instruct等技术合成高质量训练数据，并负责建立从用户多维反馈（User Feedback）到模型迭代的闭环信号建模体系； 5.负责后训练模型的全维度评测与分析，制定科学的评价指标，跟进前沿技术动态，将最新研究成果快速转化为业务价值。