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，发表高水平学术会议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 等高水平学术会议发表论文，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；
- 有大规模 MoE 架构训练、调优经验；
- 有长思维链、复杂任务推理经验；
- 在开源社区（如 HuggingFace、GitHub）有突出贡献。
