腾讯AI搜索算法工程师（大模型后训练方向）

1.负责AI搜索中大模型后训练方向的核心技术研发、优化与创新，优化Post-training 算法的训练效率和回复效果； 2.研究各领域高质量数据的自动化合成方法，建设高效的线上数据飞轮链路； 3.跟踪AI搜索领域的前沿技术，参与前沿算法研究，推动研究成果在业务场景的落地应用； 4.参与产品讨论，基于技术对产品提出改进建议。

Seed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。 Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。 1、下一代搜索问答Agent构建 1）设计基于LLM的端到端智能问答系统，覆盖意图理解、查询改写、检索增强、多源信息融合与高质量答案生成； 2）探索Deep Research能力，解决复杂问题、多轮对话与跨文档推理场景； 2、模型能力演进与前沿探索 1）推动Reasoning能力落地（CoT/多步推理/自我反思与验证），提升复杂问题求解能力； 2）探索RL Scaling、多目标优化等前沿方向，持续提升模型智能上限； 3）构建Agentic能力，打造具备自主决策能力的智能系统； 3、高价值场景落地如电商/本地生活等 1）打造从“信息获取→理解→决策”的一体化体验（如商品对比、导购推荐、生活服务决策）； 2）融合结构化数据与实时信息，实现多模态、多源知识协同推理； 4、评测体系与工程闭环建设 1）构建覆盖真实性、时效性、权威性、相关性与用户体验的评测体系； 2）打通数据-模型-系统优化闭环，持续提升效果与工程效率。

1. 负责搜索场景LLM的研发，深入分析客户需求，清洗和构建各种微调数据，通过continue pretrain、SFT、RLHF等微调技术训练专属大模型； 2. 基于场景探索大小模型协同的最佳实践，打造普惠方案，提升场景业务效果及用户体验； 3. 负责基于LLM的Agent、CoT、RAG等相关技术研发，以及前沿技术跟进与创新。

-负责设计和实现机器学习/深度学习算法，优化现有的搜索接口的召回、排序、质量 -参与数据预处理、特征工程、模型训练和评估等全过程 -跟踪和研究最新的AI技术趋势，探索并应用新技术以提升产品竞争力 -与开发团队紧密合作，将搜索的能力最大化集成到公有云产品中，并解决实际应用中的问题