部门介绍
数科致力于打造适合to B业务的大模型，围绕业务实际需求，通过Mid/post training提升模型的关键核心能力如数据分析、长文本推理、agentic coding、安全，将模型应用于数科众多商业化业务场景。
岗位职责
- 大规模预训练与中期训练：参与模型架构设计和优化，提升分布式训练稳定性与效率；负责中期连续训练（Mid-training）的数据配比与能力增强，提升模型基座能力；
- 有监督微调与多模态对齐：设计和优化高质量SFT数据流程，提升指令遵循能力；
- 强化学习与人类反馈：研发和优化大规模强化学习算法（PPO、DPO等），解决RL训练收敛难题；构建精细奖励模型（如PRM），提升复杂推理任务表现；
- 数据驱动与模型评测：建立数据与模型效果的反馈闭环，探索数据筛选与合成技术；设计精细评测体系，衡量模型在真实场景中的智能水平。
职位要求
- 学历背景： 计算机科学、人工智能、数学等相关专业硕士研究生及以上。
- 编程能力：熟练掌握Python，精通PyTorch深度学习框架。 加分项：
- 有分布式训练经验（Megatron-LM/DeepSpeed），熟悉CUDA编程等，能优化底层算子 。学术/竞赛产出（需至少满足一项）：
- 论文： 在NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、ICCV等CCF-A类会议或期刊以第一作者发表过论文 ；
- 竞赛： 在Kaggle、KDD Cup、ACM-ICPC等国际顶尖赛事中取得突出成绩；
- 深度参与过千亿/万亿参数大模型的全流程训练（不仅仅是微调）；
- 对强化学习（eg. RLHF/PPO/GRPO）有深入理解和实战经验；
- 熟悉多模态模型架构（eg. Diffusion Model）或有相关的项目落地经验 ；
- 重要的开源项目贡献者（如PyTorch、HuggingFace Transformers、vLLM等）。
