腾讯
校招微信搜索-Agent研究
北京 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 面向计算机科学、人工智能、机器学习、应用数学等相关专业的硕士或博士同学；在顶级学术会议（如ICML, ICLR, NeurIPS, COLM, RLC等）有相关论文发表经验者优先。
- 深入理解 MCP (Model Context Protocol)、Harness 等工具封装抽象，并有落地实践；
- 熟悉主流模型的多轮工具调用协议 (OpenAI FC、Anthropic Tool Use、Gemini FC、Qwen / DeepSeek 私有协议) 及 Interleaved Thinking (Claude 3.7 Extended Thinking / OpenAI o-series / DeepSeek-R1) 的技术细节；
- 熟悉 veRL / OpenRLHF / slime / Nemo-Aligner 等 RL 训练框架，有多轮 RL / GRPO / DAPO / Async RL 落地经验；
- 具备极强的数据直觉，有大规模 tool-call/response 数据清洗、质量过滤以及数据合成的实战经验。具备一定的工程代码能力。
岗位描述
【岗位职责】
课题背景：
大模型正在从"知识对齐 (Alignment)"迈入"世界交互 (Interaction)"的新范式。仅依赖预训练知识与后训练对齐 (SFT / RLHF / DPO)，已难以满足海量真实用户在多步推理、跨系统协作、动态环境决策上的诉求。Agent 正是大模型走向物理与数字世界的关键载体：它通过工具协议 (Tool Protocol)、规划 (Planning)、反思 (Reflection) 与记忆 (Memory) 构成的闭环，把模型能力外延到真实业务链路。微信天然的内生态工具，为构建连接微信内部资源的 Agent 系统服务好海量用户需求奠定了基础，也是模型向与真实世界交互的关键一步。在这里，我们围绕工具协议标准化 (MCP / Harness)、Agentic 数据合成、Agentic RL、多轮 Tool-Use 训练、可信评测 五大支柱，系统性地把模型在真实 Agentic 任务上的能力上限推向新的 SOTA，并在微信生态中实现规模化落地。
课题挑战：
在多步、多工具 (Multi-Tool, Multi-Turn) 场景下，模型输出的 tool-call schema 必须与工具真实签名严格对齐——参数类型、必填项、命名一致性、JSON / XML / Function-Calling 格式、错误恢复策略均需鲁棒。长上下文下的 schema drift：随着工具数量线性增长，工具描述被稀释、模型出现幻觉调用。同时Tool Selection under Ambiguity：Query 意图不清时的澄清 / 探索 / 试错策略也需要探索。
Agentic RL 的研究。信用分配 (Credit Assignment)：多轮 rollout 中稀疏且延迟的奖励如何回传到早期决策。Rollout 成本爆炸：真实工具调用带来的时延、同步采样的空等，都制约了 rollout 的高效性。On-policy vs Off-policy 权衡：GSPO / Reinforce++ / VAPO 等算法在多轮 tool-use 场景的稳定性也需要验证。
评测是模型迭代的指北针。当前公开 benchmark (τ-bench、BFCL v3、AgentBench、GAIA、WebArena、ToolBench) 各有偏侧，均无法完整刻画真实业务链路。内部需要构建针对工具调用格式、效率、鲁棒性（错误调用时的纠偏）的评估。
具体工作：
负责模型 Agentic 能力的端到端提升，覆盖但不限于：
工具协议与 Harness 建设：设计并维护统一的工具封装协议 (MCP-aligned Harness)，抽象微信内异构工具 (RPC / OpenAPI / MCP Server) 为一致的调用接口。主导工具描述规范 (schema 编写指南、few-shot 范本、错误码规范) 的落地。
Agentic 数据合成与质量过滤：大规模 tool-call / response 数据的清洗、去重、质量过滤、难度分层 (curriculum)；合成数据 pipeline：基于强模型 self-play、AI Feedback (RLAIF)、反事实增广、失败案例挖掘 (hard negatives) 构建多样化训练集；
Agentic 训练算法：完成 SFT、Rejection Sampling 的训练，稳定多轮 Agentic RL 在 tool-use 场景下的持久 scaling。进行 PRM、ORM 的联合训练和消融，结合 OPD 方法高效训练 RL。
评测体系与迭代闭环：构建微信 Agent 强相关任务 bench，覆盖真实用户 query 分布、单/多工具、串/并行、长/短程任务。建立离线自动评测 + 在线 A/B + 人评校准的三级评测流水线，反哺数据与算法迭代。
前沿探索：探究多 Agent 协同 (Multi-Agent Society)、在线持续学习（Continue Learning）、智能体记忆系统（Agentic Memory）的架构与训练协同。
【任职要求】
面向计算机科学、人工智能、机器学习、应用数学等相关专业的硕士或博士同学；在顶级学术会议（如ICML, ICLR, NeurIPS, COLM, RLC等）有相关论文发表经验者优先。
深入理解 MCP (Model Context Protocol)、Harness 等工具封装抽象，并有落地实践；
熟悉主流模型的多轮工具调用协议 (OpenAI FC、Anthropic Tool Use、Gemini FC、Qwen / DeepSeek 私有协议) 及 Interleaved Thinking (Claude 3.7 Extended Thinking / OpenAI o-series / DeepSeek-R1) 的技术细节；
熟悉 veRL / OpenRLHF / slime / Nemo-Aligner 等 RL 训练框架，有多轮 RL / GRPO / DAPO / Async RL 落地经验；
具备极强的数据直觉，有大规模 tool-call/response 数据清洗、质量过滤以及数据合成的实战经验。具备一定的工程代码能力。
【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 运营 岗位的常见面试问题整理
我提到了电竞方面，另一个面试官就问我对于ig战队（lol）的看法，然后一道情景题：公司和ig方面有合作，怎样运营才能吸引ig粉丝使用我们产品
查看答题思路
1. 电竞营销=粉丝经济，核心是社区运营而非传统广告 2. 跨界合作：战队/选手/IP 联名，借粉丝流量 3. 内容策略：比赛直播/选手日常/粉丝二创/社区活动 4. 案例：用 STAR 讲一个电竞相关的运营策划
另一个面试官看我的专业（偏设计）就问我愿不愿意做产品设计方向，让我发作品集 大概就这些 #咪咕#<a href="/creation/subject/928d551be73f40db82c0ed83286c8783" target="_blank" class="s
查看答题思路
1. 核心概念：一句话说清这个问题的底层逻辑 2. 方法论/框架：用 STAR 原则或专业框架结构化回答 3. 实际案例：结合一个具体场景说明 4. 量化结果：用数据佐证你的观点
你认为内容运营需要具备哪些能力
查看答题思路
1. 内容运营=创作有价值的内容→分发到正确渠道→吸引目标用户→促成转化 2. 核心能力：选题能力（知道用户想看什么）、写作能力、数据分析能力（用数据迭代内容策略） 3. 生命周期：选题→创作→审核→发布→分发→数据回收→优化→二次传播 4. 优质内容标准：原创/有用/有趣/有共鸣/有行动引导
谈谈你理解的内容生命周期
查看答题思路
1. 真诚：为什么对这个方向感兴趣（具体经历/瞬间） 2. 匹配：你的能力和这个岗位的契合点 3. 成长：你希望从这个岗位学到什么 4. 贡献：你能为团队带来什么
自我介绍
查看答题思路
1. 我是谁（姓名+学校+专业，15秒） 2. 我做过什么（最相关的 1-2 个经历，30秒） 3. 为什么适合这个岗位（能力匹配，15秒） 4. 总时长控制在 1 分钟以内 5. 避免：念简历、说「我学习能力强」这种空话
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。