混元大模型后训练算法工程师/专家-coding
Tencent • Beijing, Beijing • Posted June 19, 2026
About the Role
混元大模型后训练算法工程师/专家-coding 北京 分享 1.负责大模型后训练（SFT+RL）阶段 Coding（代码生成与理解）类数据的全链路研发。针对代码场景特有的严格语法约束、长上下文（跨文件）项目级推理、执行反馈及调试修复特性，设计并落地基于编译器执行反馈、自动化测试用例生成、复杂代码构建轨迹爬取等技术的数据生产、自动化质检与定向修复方案，确保高质量 Code 数据的稳定、高标准交付；
2.深度参与代码模型能力的专项评测与分析（如基于 HumanEval、MBPP、SWE-bench 等），制定科学的评价指标体系。通过剖析模型在实际编程任务中的弱项，设计并落地高效的数据飞轮机制，定向进行数据补充与配方调整，实现“评测发现问题-数据定向强化-效果闭环提升”，持续驱动模型代码核心能力的演进；
3.追踪与研究支撑大模型后训练与 Coding 能力提升的前沿技术，关注基于执行反馈的强化学习（RLAIF/RLCE）、代码自验证生成、AI SWE等方向，能够将最新代码数据相关的研究成果快速转化为业务价值。 岗位要求 1.计算机科学、软件工程、人工智能或相关专业硕士及以上学历，具备大模型数据工程或Code LLM等实际项目经验；
2.深入理解 Transformer 架构及大语言模型训练原理，具备丰富的数据处理经验。能针对Code SFT、代码偏好对齐等后训练场景，设计高标准数据方案，有项目实战经验；
3.深入实践过 CodeAct、SWE-agent、LATS、AlphaCode等前沿代码推理与自动化框架者优先；
4.熟练掌握 Python，善于利用 Cursor、Claude Code 等 AI 辅助工具提升数据生产与自动化分析效率。熟悉至少一门其他主流编程语言（C++/Java/Go等），熟悉Docker优先；
5.在前沿会议有高质量论文发表，或在开源社区有高影响力贡献者优先；
6.具备强烈的数据...
分享岗位
方式1:复制岗位链接
方式2:分享岗位海报
手机扫描二维码分享
收藏 TEG 点击了解更多BG信息 技术 两年以上工作经验 更新于年04月10日 岗位职责2.深度参与代码模型能力的专项评测与分析（如基于 HumanEval、MBPP、SWE-bench 等），制定科学的评价指标体系。通过剖析模型在实际编程任务中的弱项，设计并落地高效的数据飞轮机制，定向进行数据补充与配方调整，实现“评测发现问题-数据定向强化-效果闭环提升”，持续驱动模型代码核心能力的演进；
3.追踪与研究支撑大模型后训练与 Coding 能力提升的前沿技术，关注基于执行反馈的强化学习（RLAIF/RLCE）、代码自验证生成、AI SWE等方向，能够将最新代码数据相关的研究成果快速转化为业务价值。
2.深入理解 Transformer 架构及大语言模型训练原理，具备丰富的数据处理经验。能针对Code SFT、代码偏好对齐等后训练场景，设计高标准数据方案，有项目实战经验；
3.深入实践过 CodeAct、SWE-agent、LATS、AlphaCode等前沿代码推理与自动化框架者优先；
4.熟练掌握 Python，善于利用 Cursor、Claude Code 等 AI 辅助工具提升数据生产与自动化分析效率。熟悉至少一门其他主流编程语言（C++/Java/Go等），熟悉Docker优先；
5.在前沿会议有高质量论文发表，或在开源社区有高影响力贡献者优先；
6.具备强烈的数据...