腾讯元宝搜索部-增长推荐算法工程师

1.负责增长与推荐算法体系的设计与迭代，覆盖内容理解、召回、排序等核心链路，持续优化推荐效果与系统效率； 2.研究并落地业界前沿算法与大模型技术，包括但不限于大模型后训练（SFT / RLHF）、深度学习、强化学习等，并结合业务目标进行建模与优化； 3.通过对数据的敏锐洞察，深入挖掘产品潜在价值和需求，通过技术创新推动产品成长； 4.推动大模型 + 推荐系统的工程化落地，将前沿 AI 技术与真实业务场景深度结合，打造高个性化、强泛化能力的推荐系统。

1.参与ai agent应用构建，在丰富的业务和垂直场景下，紧跟前沿agent应用技术发展，构建各类ai agent应用； 2.紧跟ai应用的前沿技术范式，提升ai应用构建的系统能力。

1.负责AI搜索、大模型对话等场景中AI Agent方向的算法研究，提升大模型逻辑推理和任务规划能力； 2.优化Agent的工具调用、记忆管理能力，解决AI搜索下多卡片、多API的调用精度，提升与环境的交互能力； 3.优化Agent上下文理解能力，解决查询意图、查询拆解、问题补全等实际问题； 4.LLM相关的算法探索与落地工作，包括不限于RAG、SFT+强化学习、Multi-Agent等前沿方向。

1.负责VLM Agent核心能力研发，包括但不限于多模态理解（图像/视频+文本）、指令遵循、自主规划、工具调用、记忆机制设计，实现Agent在特定场景的端到端自主决策与执行能力； 2.参与VLM模型的微调、适配与优化，结合Agent业务场景需求，提升模型的需求理解、工具使用和推理总结能力，提升跨模态交互流畅度和视觉理解精度等； 3.负责 VLM 基础模型能力的边界探索，研究基于强化学习的视觉推理增强技术，优化模型架构与推理策略，持续提升模型在细粒度视觉感知、复杂 UI 理解与跨模态逻辑对齐等高难度任务上的表现，探索 VLM 的 Scaling Law 新路径； 4.结合业务场景，梳理Agent应用需求，推动VLM Agent从原型验证到产品化落地，迭代优化产品体验； 5.跟进VLM与AI Agent领域前沿技术（如复杂任务规划、Think with images、RL 等），开展技术预研与创新，将前沿技术转化为实际业务价值。