岗位职责
- 参与 LLM Agent 的预训练与后训练优化，提升模型在任务理解、指令跟随、多轮对话、工具调用等方面的表现；
- 对模型输出进行评测与误差分析，识别在幻觉、漏召回、格式偏差、工具误用、指令偏移、安全风险等方面的问题，并推动改进；
- 围绕Agent使用场景，设计multi-turn conversation、任务流程和工具使用样本，优化Agent 在复杂任务中的完成率与鲁棒性；
- 设计并构建高质量训练数据、评测集和对话样本，覆盖真实业务中的典型场景、边界场景与异常案例。
职位要求
- 计算机相关专业硕士及以上学历，研究方向为自然语言处理、机器学习、深度学习等相关方向，或者在该领域有相关工作经验，精通Python编程，熟悉Java/C++中至少一门语言；
- 能够针对模型“不 work”的情况，从训练数据质量、任务定义、Prompt 设计、评测标准、奖励机制、工具调用链路、推理参数、模型对齐策略等多个维度进行拆解和诊断；
- 熟悉常见模型问题，包括但不限于幻觉、指令跟随不稳定、格式不一致、任务完成率低、工具误用等，并能结合bad cases进行分析和迭代；
- 了解阅读理解、序列标注、文本生成、文本分类等传统NLP任务，精通PyTorch/TensorFlow等训练框架，可以自己构造小模型验证算法有效性，并具备Qwen、Llama、Deepseek等模型的后训练实操经验。 加分项：
- 在ACL、EMNLP、NeurIPS、ICLR、ICML、KDD 等国内外顶级会议/期刊有相关论文发表者优先；
- 有大模型后训练（Post-training）相关项目经验者优先，尤其是在国内外头部科技公司或知名AI团队的实际工作经历；
- 具有扎实的深度学习算法基础，熟悉深度学习框架和分布式训练推理加速，有实操经验者优先。
