腾讯混元Agent数据与环境平台工程师（深圳/北京/上海）
任职要求
1.精通 Python，具备扎实的软件工程能力与系统设计能力，能在复杂系统中推进架构落地； 2.熟练掌握 Docker 容器化交付体系，理解镜像构建优化、依赖隔离、网络/存储、制品/镜像仓库等能力，并能设计可复现的环境交付流程； 3.熟悉 Kubernetes 使用与排障，能在集群环境下完成部署治理、资源配置和稳定性问题定位； 4.有后端服务、数据平台、任务平台、机器学习平台或评测平台相关研发经验； …
工作职责
1.负责大语言模型训练与评测场景的智能体交互环境接入与平台化，对接自研、第三方和开源环境，制定接口与数据规范，建设验证与回归机制； 2.建设 Agent 框架的数据集能力，对 Pretrain / Posttrain / Eval 数据进行平台化管理，完善数据元信息、题目内容、版本、来源、权限、质量状态和运行环境等能力； 3.推进数据集与框架能力协同设计，支持超长任务、复杂系统任务、多轮用户环境和环境依赖型数据集； 4.打通数据集、任务框架、沙盒环境、训练流程和评测结果之间的链路，提升数据使用的可追踪性、可复现性和交付效率。
1.定义"什么是好的 Agent 数据"：针对 Agent 场景特有的多轮交互、长链路规划、工具调用与环境反馈特性,把模型能力目标操作化为可执行的数据质量标准与标注规范(rubric、验收准则、轨迹合理性定义),并建设配套的自动化质检体系——识别诸如"在失败策略上反复循环而不切换""工具调用参数凭空构造而非基于环境反馈""规划与实际执行脱节"等深层轨迹缺陷； 2.设计评测,产出独立的能力诊断，建设面向 Agent 能力的评测体系:设计高质量的评测数据集与评测切片,精准暴露模型在多轮任务中的失败模式(如探索效率、工具使用鲁棒性、长链路规划、错误恢复等);重点在测量完整性——抗污染、抗刷分、统计严谨、跨场景标准一致。产出可信、可归因的能力诊断,为模型迭代提供独立的"第三方读数"； 3.设计可验证的评测任务与执行环境，构建能自动判定、抗刷分的长程 Agent 评测任务(贴近真实场景的多轮、多工具任务),以及配套的执行/沙盒环境,精准 measure 模型在真实交互任务中的能力边界； 4.高质量 Agent 数据的源头建设，负责真实 Agent 交互场景数据的源头建设与处理:在合规与用户授权前提下,从产品/工具链中建立数据回流机制(采集真实交互轨迹、工具调用与环境反馈);复杂轨迹的获取、环境反馈的结构化、脱敏与可用化,把原始信号转化为模型团队可直接使用的高质量数据资产。这是一块大厂内部独有、外部难以触及的源头优势； 5.人机协同的质量流程设计，设计并落地人机协同的数据质量流程：用模型做预标注/预筛、人工聚焦高价值判断与校正、auto-QA 兜底一致性,在保证质量标准的前提下提升轨迹质检与标注的规模化效率； 6.前沿跟踪与能力沉淀，跟踪支撑 Agent 能力提升的前沿方法(轨迹质量评估、Agent 评测方法、可验证 reward 设计等),将其转化为质检与评测能力;并把这套数据质量判断力沉淀、共享给协作的模型团队。
1.Agent与代码数据策略：负责大模型 Coding 与 AI Agent 方向的数据需求设计与配比策略，针对代码生成、代码补全、复杂任务规划、工具调用等核心能力，制定数据分布、采样及难度分级策略； 2.优化数据生产链路：设计并推进高效、高质量的数据生产方案，制定针对复杂模型任务的数据标准，打通数据流转与模型迭代的闭环链路； 3.评测体系与场景验证：基于复杂交互场景构建科学的动态评测集，参与搭建前沿模型训练所需的底层验证与交互环境，持续驱动模型能力上限的突破。
1.主导 Agent Benchmark 的平台化落地：负责 SWE、Terminal、Claw、MCP 等多类 Agent Benchmark 在评测平台上的整体接入与工程化，沉淀标准化、可复用的接入能力； 2.构建评测运行底座：统筹沙盒环境、依赖管理、网络访问、并发调度等关键能力建设，保障大规模评测在生产环境下的稳定、可复现与高效运行； 3.保障评测质量与可观测性：从 Harness 与打分逻辑出发，确保平台化改造后评测结果的准确可信，并建立完善的诊断与问题归因能力； 4.衔接算法与工程：深入理解各 Benchmark 所考察的模型能力维度，作为算法与平台之间的技术桥梁，推动评测需求高质量落地。