腾讯
校招混元基座模型-强化学习算法研究&强推理能力优化
北京 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1. 学历和专业要求： 计算机、人工智能、机器学习、自然语言处理、自动化、数学、统计学等相关专业硕士及以上学历，博士优先。
- 2. 技术技能要求： 具备强化学习、深度学习或大语言模型相关研究基础，熟悉 PPO、GRPO、DPO 等训练或对齐方法，了解大模型推理增强、数据构造或评测方法；熟练掌握 Python，熟悉 PyTorch 等深度学习框架，有较强实验设计与工程实现能力；有高质量论文发表者优先（如ACL、EMNLP、NeurIPS、ICML、ICLR等)。
- 3. 软性素质要求： 具备较强的问题分析能力、自驱力和协作意识，对前沿算法研究有持续热情，能够独立推进研究问题分析、实验验证与方案迭代；具备强烈的进取心、自驱力及团队合作精神，热衷于追求技术创新。
- 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：
强化学习已成为大模型后训练阶段持续提升推理能力与智能上限的关键技术。随着数学、代码、科学、逻辑推理等复杂任务成为模型竞争核心，模型优化正从单纯依赖参数和数据规模扩展，转向以长思维链、过程监督、可验证奖励和工具增强为核心的推理优化范式。因此，面向推理场景开展强化学习算法研究，并系统提升模型高阶推理能力，已成为基座模型持续演进的重要方向。
课题挑战：
- 1. 长思维链与长轨迹训练中普遍存在奖励稀疏、信用分配困难、训练不稳定等问题，鲁棒训练、样本效率与探索利用平衡难以兼顾。
- 2. 数学、科学等高难任务对中间过程正确性要求高，如何构建通用验证器、过程监督与可验证奖励体系，是提升模型泛化能力的关键。
- 3. 推理链条常伴随冗余反思与无效解码，如何结合强化学习、数据闭环与工具使用，实现正确率、推理效率与训练成本的协同优化，仍缺乏成熟方案。
具体工作：
你将参与推理场景强化学习算法设计、推理数据构建、奖励与验证体系建设、思维链优化，以及数学、科学等高难任务的能力迭代，持续提升模型推理上限与效率。
【任职要求】
- 1. 学历和专业要求： 计算机、人工智能、机器学习、自然语言处理、自动化、数学、统计学等相关专业硕士及以上学历，博士优先。
- 2. 技术技能要求： 具备强化学习、深度学习或大语言模型相关研究基础，熟悉 PPO、GRPO、DPO 等训练或对齐方法，了解大模型推理增强、数据构造或评测方法；熟练掌握 Python，熟悉 PyTorch 等深度学习框架，有较强实验设计与工程实现能力；有高质量论文发表者优先（如ACL、EMNLP、NeurIPS、ICML、ICLR等)。
- 3. 软性素质要求： 具备较强的问题分析能力、自驱力和协作意识，对前沿算法研究有持续热情，能够独立推进研究问题分析、实验验证与方案迭代；具备强烈的进取心、自驱力及团队合作精神，热衷于追求技术创新。
【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 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。