腾讯
实习混元基座模型-大模型能力评估分析&Reward
北京 · 实习 · 硕士
长期有效
任职要求
- 1、自然语言处理、机器学习、模式识别、人工智能、计算机科学等相关专业硕士及以上学历；
- 2、在Agent、LLM或相关方向有深入实践，对复杂任务求解、长链路推理、多工具调用、环境交互或特定应用场景（如CodingAgent、SearchAgent、ProductivityAgent等）有丰富的研究或落地经验；
- 3、具备扎实的工程实现能力，熟练掌握Python、C/C++等至少一种编程语言，熟悉Agent系统搭建中的核心模块，包括任务规划、工具调用、记忆机制、轨迹建模、反馈闭环等，并对相关数据构建与训练流程有实践经验；
- 4、有高质量论文发表者优先（如ACL、EMNLP、NeurIPS、ICML、ICLR等），特别是在Agent、复杂推理、环境交互、长上下文建模、数据合成或特定垂域能力突破等方向；
- 5、具备强烈的进取心、自驱力及跨领域学习能力，良好的团队协作精神，对推动Agent成为下一代生产力入口、实现更强通用智能能力充满热情。
- 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：
随着大模型研发进入规模化迭代阶段，模型评估、效果诊断和奖励系统逐渐成为影响训练决策、版本发版和体验优化的关键基础设施。一方面，单纯依赖 Benchmark 分数已难以全面反映真实用户体验；另一方面，预训练、后训练和 RL 过程都需要更准确、更高效、更可扩展的评测与打分能力。因此，需要建设一套覆盖评测、诊断和奖励系统的一体化能力体系，支撑模型全生命周期迭代。
课题价值：
团队核心价值是把评测从“出分工具”升级为“决策基础设施”和“优化诊断系统”。对内，支撑预训练、后训练、发版验收和 RL 实验等关键生产决策，帮助团队更快发现问题、验证收益、降低试错成本；对外，推动模型效果评估与真实产品体验逐步对齐，提升评估结果的可信度、解释性和指导性。同时，通过 RM 系统治理和平台化建设，进一步提升资源利用率、系统稳定性和大规模接入效率。
具体工作：
- 1、建设一站式评估体系，打通 Judge 系统、自建与开源 Benchmark、统计分析和体验评测，形成从数据到指标再到诊断结论的完整闭环；
- 2、支撑预训练评估与生产决策，围绕 ICL、端到端评测、Scaling 和 PPL 等方向，探索更具前瞻性的评估方法，提升对模型能力演进的预测和解释能力；
- 3、建设和治理 RM 奖励系统与评测平台，提升评测和打分系统的可用性、稳定性与效率，支撑模型生产和大规模实验迭代。
【任职要求】
- 1、自然语言处理、机器学习、模式识别、人工智能、计算机科学等相关专业硕士及以上学历；
- 2、在Agent、LLM或相关方向有深入实践，对复杂任务求解、长链路推理、多工具调用、环境交互或特定应用场景（如CodingAgent、SearchAgent、ProductivityAgent等）有丰富的研究或落地经验；
- 3、具备扎实的工程实现能力，熟练掌握Python、C/C++等至少一种编程语言，熟悉Agent系统搭建中的核心模块，包括任务规划、工具调用、记忆机制、轨迹建模、反馈闭环等，并对相关数据构建与训练流程有实践经验；
- 4、有高质量论文发表者优先（如ACL、EMNLP、NeurIPS、ICML、ICLR等），特别是在Agent、复杂推理、环境交互、长上下文建模、数据合成或特定垂域能力突破等方向；
- 5、具备强烈的进取心、自驱力及跨领域学习能力，良好的团队协作精神，对推动Agent成为下一代生产力入口、实现更强通用智能能力充满热情。
【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。