岗位职责
- 负责垂类大模型后训练（Post-training）阶段的算法研发工作。
- 设计并优化高质量的指令数据微调（SFT）与对齐（Alignment）工作，构建针对如金融事实性、合规性及逻辑推理的 Reward 模型系统，激发模型的专业对话、复杂逻辑推理及合规风控能力。
- 构建基于 Agentic-RL 的金融数据仿真环境及 API 对接体系，通过合成高质量多轮决策轨迹，打造具备极致专业性与安全性的垂类行业模型。
职位要求
● 计算机科学、人工智能或相关专业背景，具备大模型后训练实战经验。 ● 精通 SFT、RLHF（PPO/DPO/GRPO）及对齐算法，具备构建复杂奖励模型（Reward Model）的实战经验。 ● 理解Agentic技术栈，有仿真环境构建、工具调用（Tool Use）及多轮决策轨迹合成的相关研发经验。 ● 具备扎实的算法工程实现能力，熟悉 PyTorch、Megatron、vLLM 等主流训练推理框架，能够解决从数据合成到模型落地的全链路工程问题，有handson进行修改的能力 ● 具备良好的定义、分析和解决问题能力，具备敏锐的数据洞察力。 ● 具备较强的团队合作和沟通能力，能够与工程团队、产品团队或其他相关团队紧密配合。 加分项 ● Curiosity-driven（极强的好奇心） ● Following the First Principle（坚持第一性原理解决问题） ● Good research taste（卓越的研究品味） ● Good data taste（极佳的数据审美） ● Strong Algorithm & System Co-design capability（具备算法与系统协同设计的全局视野，能通过训练框架优化解决算法扩展性瓶颈） ● Performance optimization experience（具备训练或推理性能优化经验，熟悉 CUDA/Triton 算子开发、显存优化或通信加速技术，致力于极致压榨硬件算力以提升实验迭代效率） ● Full-stack coding skills（全栈工程能力） ● Interdisciplinary background（金融+计算机/数学的复合背景，弥合业务与算法的鸿沟）
