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，具备动手修改和调优代码的能力；
具备良好的问题定义、分析和解决能力，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、产品团队及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，致力于提升硬件算力利用率以加速实验迭代）
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）