腾讯
实习混元-大模型复杂推理过程评测与过程奖励建模研究
深圳总部 · 实习 · 硕士
长期有效
任职要求
- 1.计算机或者相关专业硕士或者以上学历，具备推荐/广告/CV/NLP/RL相关实习经验优先，有大模型调优化应用、评测经历优先；
- 2.在ICLR、NeurIPS，ICML、KDD、AAAI，IJCAI等机器学习领域会议或者期刊有第一作者发表过至少一篇文章。
岗位描述
【岗位职责】
课题背景：
当前主流评测基准普遍仅关注最终答案正确性，无法区分模型是通过严谨推理还是捷径匹配得出结论。随着大模型在数学证明、代码调试、多步科学推理等高阶任务中的应用深入，对推理过程本身的质量评估变得至关重要。构建一套量化每一步推理质量的过程级评测体系，既能精准诊断模型推理能力边界，又能为过程奖励模型（PRM）的强化学习提供高质量监督信号。
课题挑战：
- 1、推理过程的质量定义与自动化评估困难。同一正确结论可能对应多条风格迥异的推理链路，如何定义逻辑严谨性、步骤必要性、知识准确性等多维标准，并设计能自动判别推理步骤正确性、识别逻辑跳跃与幻觉注入的评测算法，是核心挑战。同时需探索基于模型互评与共识机制的低成本评测方案。
- 2、过程评测到训练的闭环缺乏系统方法论。如何将评测结论转化为可用于强化学习的稠密过程奖励信号，需要研究推理步骤粒度划分策略、过程奖励模型训练范式（自动标注 vs 蒙特卡洛估计），以及过程奖励与结果奖励的联合优化机制。
具体工作：
- 1、推理过程评测体系研究与落地，包括推理链质量多维评价指标设计、跨任务类型（数学、代码、逻辑、科学）的过程级评测基准构建，以及自动化过程评测流水线搭建。
- 2、过程奖励建模研究，包括过程奖励模型（PRM）的训练与校准、评测信号与强化学习训练的闭环打通，以及评测基准的持续迭代与难度进化机制。
【任职要求】
- 1.计算机或者相关专业硕士或者以上学历，具备推荐/广告/CV/NLP/RL相关实习经验优先，有大模型调优化应用、评测经历优先；
- 2.在ICLR、NeurIPS，ICML、KDD、AAAI，IJCAI等机器学习领域会议或者期刊有第一作者发表过至少一篇文章。
【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。