岗位职责
- 参与大语言模型（LLM）后训练全流程优化，包括但不限于通用能力提升、安全对齐等方向。
- 实现并应用SFT/RLHF/DPO/PPO/GRPO等算法，探索多目标奖励模型、过程监督等前沿技术，提升模型在指令遵循、逻辑推理、多任务泛化等方面的性能。
- 构建模型效果评估体系，设计自动化评估方案，持续跟踪模型优化效果。
- 参与技术开源与学术研究，发表顶会论文或贡献核心开源项目。
职位要求
● 计算机科学、人工智能、数学等相关专业硕士及以上学历（优秀本科生可放宽）。 ● 熟练掌握 Python 和 PyTorch，具备分布式训练（如多机多卡调优）经验。 ● 深入理解 Transformer 架构及SFT/RLHF/DPO/PPO/GRPO等算法。 ● 在NeurIPS、ICML、ICLR、 ACL等顶会发表论文，或 Kaggle、ACM 竞赛获奖者优先。 加分项 ● 具备大规模（千卡级）训练调优经验。 ● 大规模MoE架构训练/调优经验。 ● 长思维链/复杂任务推理经验。 ● 在开源社区（如 HuggingFace、GitHub）有突出贡献。
