腾讯
实习元宝—面向开放域信息获取与推理的大模型智能体研究
北京 · 实习 · 博士
长期有效
任职要求
- 1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；
- 2、熟练掌握大模型、多模态相关的基本算法及应用，熟悉caffe、tensorflow，pytorch等至少一个深度学习框架；
- 3、较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。
- 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：
随着大语言模型在问答、知识分析与任务执行等场景中的应用不断深入，模型能力正从“基于参数知识作答”逐步走向“面向开放环境主动获取信息并完成推理决策”。在真实用户场景中，模型往往需要针对开放域问题自主完成搜索意图理解、查询规划、外部信息获取、网页内容甄别、多源证据整合、冲突信息消解与最终答案生成。这类能力已超出传统静态知识问答或狭义检索增强生成范畴，更接近于具备搜索、分析与推理闭环能力的信息智能体。
然而，当前具备联网搜索能力的大模型系统，在复杂开放域任务中仍存在明显不足，例如搜索策略单一、对搜索结果利用不充分、跨网页信息整合能力弱、长链路推理不稳定，以及在复杂问题下容易出现“能搜到但不会分析”“能引用但难以判断可靠性”等问题。因此，本课题聚焦于开放域信息获取与推理场景，研究具备联网能力的大模型智能体系统，结合奖励模型（RM）与强化学习（RL）方法，提升模型在复杂信息任务中的搜索、分析、推理与回答一体化能力。
课题挑战：
- 1、开放域信息智能体流程设计：如何设计适用于互联网开放环境的 Agent 系统流程，使模型能够自主完成问题理解、查询规划、分步搜索、证据筛选、归纳推理与答案生成；
- 2、复杂搜索轨迹的奖励建模：如何针对查询改写质量、搜索结果相关性、信息利用效率、证据可靠性和最终回答质量，构建细粒度奖励模型；
- 3、RM/RL 驱动的策略优化：如何结合奖励模型与强化学习方法，持续优化智能体的搜索决策、信息整合与长链路推理能力；
- 4、开放环境下的鲁棒性与真实性问题：如何应对互联网信息噪声大、内容冗余、来源冲突、时效变化快等问题，提升系统的稳定性、事实一致性与可追溯性；
- 5、自动化评测体系建设：如何面向开放域信息获取与推理任务构建自动评测系统，覆盖搜索效果、证据归因、答案正确性、时效性与用户体验等关键维度。
具体工作：
你将参与具备联网能力的大模型智能体系统设计与优化，围绕开放域复杂信息任务，研究搜索规划、多轮信息获取、证据选择、跨网页内容整合与引用生成等关键能力；参与构建训练数据、偏好数据与评测数据，探索奖励模型训练、强化学习优化和自动化评估方法；推动混元大模型在开放域信息获取、分析推理与智能体执行场景下的能力持续提升。
【任职要求】
- 1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；
- 2、熟练掌握大模型、多模态相关的基本算法及应用，熟悉caffe、tensorflow，pytorch等至少一个深度学习框架；
- 3、较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。
【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】
大语言模型、NLP
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 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
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。