腾讯技术研究-其他方向
任职要求
1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；
2、熟练掌握至少一种编程语言，包括但…工作职责
可以选择量子、数据库、云计算、计算机系统结构、存储、并行与分布式计算、网络信息安全多个方向，对以下方面进行研究： 1、 负责分布式数据库存储引擎、SQL引擎、查询优化器的设计开发工作； 2、 负责云存储、云数据库的前沿技术的预研和应用； 3、 负责大规模高性能虚拟网络的设计、开发与运维；云平台南北向网关功能的架构设计和性能优化； 4、 对网络流量进行深入分析，挖掘安全风险隐患；对网络攻防技术进行跟踪研究，应对现网及未来安全威胁。
1. 主要研究方向：时间序列预测、时空数据挖掘、NLP与LLM(偏向RAG算法、AI Agent系统、LLM训练与推理)，上述方向具备其一即可。 2. 负责机器学习、数据挖掘与自然语言算法的研究、设计和开发 3. 对业务数据进行分析，发现数据价值，提供解决方案 4. 设计并实现机器学习模型，解决实际业务问题；负责算法性能优化，提高模型效果 5. 与业务、产品团队紧密配合，将算法应用到具体场景，拿到业务结果
在算力驱动的 AGI 和人文精神的烟火气交汇之处，我们真诚邀请对大模型 Omni Model 有热情的同学加入，共同打造更具影响力的智能系统。你会成为团队的一员，并和其他同事协作，共同研发 SOTA 的 Omni Model。期待你以务实和客观的科学态度来推进技术的进展，不被过往经验裹挟、不被主观偏好影响。期待你除了算法外仍然是为出色的工程师。期待你对技术有强烈的好奇心和开放心态。 区别于传统 ASR / TTS 级联技术，我们希望打造端到端的 Omni Model 在实时交互中释放大模型的智力水平，彻底改变以 Chatbot 文字为主的人机交互界面 岗位说明：你会负责围绕大模型 Omni Model 构建语音模态的相关研究工作，包括但不限于如下事项 海量的语音数据处理和构建：定性分析、定量评估数据质量，并给出 scalable 的改进方案；探索跨模态（文字/视觉/语音）混合训练的最佳实践； 探索更加高效且合理的模型架构，让模型更加理解音频，同时让模型具备更好的语音合成能力 研究并探索基于 Omni Model 的 Post Train，包含但不限于 SFT 和 RL
业内研究表明，生成式的推荐系统存在Scaling Law现象，Scaling Law的出现相较于现有推荐系统无法通过扩充持续提升效果的现象，提出了新的可能性。该团队负责小红书生成式推荐方向，目前已经完成了原型架构的开发和线上验证，欢迎业内在推荐/广告/搜索等领域的专家一起，共同探索生成式推荐在真实业务场景的价值。 【职位描述】 1、负责生成式推荐在小红书社区推荐&展示广告场景的研发； 2、在生成式架构下，重新思考传统推荐架构中的行为建模技术（如超长序列、多兴趣等），并在召回/排序等场景中进行应用； 3、与MLLM和架构团队配合，将其他生成式模型的知识和能力迁移进实时的生成式推荐架构中；
1、基于对业务的深入理解，完成商家核心系统技术规划、架构设计并落地实现。 2、解决技术难点，能提出具有前瞻性的技术思路和方案。 3、具有良好的沟通协调能力、抽象整合能力，结构化思维能力强，能有效抽象并结合部门实际情况提出具有落地可行性的技术改进意见。