岗位职责
负责大模型 SFT、偏好优化、RLHF/RLVR 等后训练算法研发与效果优化； 负责 Agent 能力建设，包括 Tool Use、多轮交互、任务执行与复杂指令遵循； 提升模型语言理解、生成质量、多轮对话和风格控制能力； 负责训练数据构建、评测分析和问题定位，推动模型能力持续迭代； 跟进后训练、Agent 等方向前沿技术，并完成实验验证和业务落地。
职位要求
熟悉各类后训练方法，包括 PPO/GRPO、OPD 等等； 有 Agent、Tool Calling、Harness 优化等相关项目经验； 熟练使用 AI Coding，同时具备较强的工程能力和个人品味； 能够独立负责一个模型能力方向，从问题分析、方案设计到实验落地。 加分项 有大模型后训练、Agent 相关实际落地经验； 有高质量论文、开源项目或大规模模型训练经验。
