岗位职责
- 负责包括 SFT（监督微调）、Model Merge（模型合并）、OPD（在线/离线知识蒸馏）以及 RL（强化学习）在内的后训练算法研发与优化，探索更高效、更稳定的新型训练范式。
- 提升大模型在Reasoning、General Agent 以及Coding Agent等专项任务上的上限，构建具备深度思考和自主行动能力的基座模型。
- 模型架构探索与优化，探索更高效更有效的模型架构。
- 训练与推理效率的优化，如算子优化、显存优化等，实现高吞吐、低延迟的模型研发和落地。
职位要求
- 硕士及以上学历，计算机科学或相关专业背景。
- 具备大模型研发经验，在 Post-Training（如SFT、RL、OPD等）某一方向上有实操积累。
- 算法与工程兼备。熟悉数据与训练策略，也了解主流训练和推理框架（如 Megatron、SGLang、vLLM等）。
- 具备极强的“发现问题-分析问题-解决问题”的闭环能力。
- 拥有良好的团队协作精神与跨团队沟通能力。 加分项：
- 相关领域的研究和实践经验，顶级会议发表过大模型相关论文，或作为核心贡献者参与过社区高 Star 开源项目。
- 具备大规模模型训练、调优及稳定性保障的实际研发和工程经验。
- 优秀的研究品味，卓越的动手能力，强大的自我驱动力等。
