腾讯
校招腾讯云大数据—DataAgent-数据决策智能体关键技术研究
北京 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1、计算机、人工智能、软件工程、自动化、电子工程、数学、统计学、数据科学、运筹优化等相关专业博士及优秀硕士；
- 2、熟练掌握 Python、PyTorch 等编程语言与深度学习框架，具备大模型训练、后训练或 Agent 系统研发经验，熟悉 SFT、RL、Reward Model等相关技术；
- 3、对数据分析、数据库、SQL 生成、实验设计、因果推断、多工具协同等方向有较好理解，具备较强的工程实现、问题分析与科研创新能力，有相关研究成果或实践经验者优先。
- 此课题同时招聘应届实习生和低年级实习生。
岗位描述
【岗位职责】
课题背景：
近年来，大语言模型在推理、代码生成、工具调用等方面持续进步，推动 Agent 从单轮问答向复杂任务闭环演进。在数据领域，DataAgent 已由传统“问数答疑”扩展至数据分析、归因诊断、策略生成、数据营销、A/B Testing 与效果评估等场景，对模型的任务理解、推理规划、工具调用与结果验证能力提出了更高要求。面向真实业务场景，DataAgent 仍面临模糊语义理解、多步推理、工具协同与结果校验等挑战，通用模型难以稳定完成复杂数据任务。因此，本课题聚焦 DataAgent 基座能力建设，围绕任务建模、训练数据构建、自动评估与后训练优化等关键问题，提升大模型在数据决策场景中的理解、推理与执行能力。
课题挑战：
- 1、DataAgent框架设计： 如何设计清晰、完备的 DataAgent 系统流程，使模型能够完成数据决策场景中的任务理解、分析规划、工具调用、结果验证与策略生成；
- 2、数据长链路预训练优化： 如何筛选、清洗和组织多样化的数据任务语料、分析链路与工具使用轨迹，或通过自动化方式合成包含丰富上下文的训练数据，提升基座模型对复杂数据任务的理解与建模能力；
- 3、Agent指令数据自动化合成： 如何设计有效策略，自动化合成覆盖数据分析、数据营销、A/B Testing 等多类场景的高质量、高复杂度 DataAgent 指令数据与中间轨迹数据；
- 4、自动评估系统建设： 如何针对数据决策场景设计自动化评估体系，包括语义理解、查询生成、工具调用、执行结果、推理链路与结论质量等，对模型效果评估与训练数据清洗进行提效；
- 5、奖励系统建设和强化学习策略优化： 对于复杂数据决策任务，如何结合执行反馈、链路质量、策略有效性与效率成本，设计合理的奖励信号并优化强化学习训练效果。
具体工作：
你将参与到 DataAgent 框架设计、数据长链路训练数据优化、复杂指令数据合成与自动评估、奖励系统建设和强化学习策略优化，提升大模型在数据决策场景中的复杂推理与智能体能力。
【任职要求】
- 1、计算机、人工智能、软件工程、自动化、电子工程、数学、统计学、数据科学、运筹优化等相关专业博士及优秀硕士；
- 2、熟练掌握 Python、PyTorch 等编程语言与深度学习框架，具备大模型训练、后训练或 Agent 系统研发经验，熟悉 SFT、RL、Reward Model等相关技术；
- 3、对数据分析、数据库、SQL 生成、实验设计、因果推断、多工具协同等方向有较好理解，具备较强的工程实现、问题分析与科研创新能力，有相关研究成果或实践经验者优先。
【加分项】
此课题同时招聘应届实习生和低年级实习生。
【技术方向】
智能体、强化学习
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。