岗位职责
- 负责大模型后训练，评测体系建设；
- 运用 SFT、DPO、GRPO、RLHF 等后训练方法对大语言模型进行微调和对齐，提升模型在特定场景下的指令遵循、推理和生成质量；
- 模型评测：设计rubrics，Reward Function，建设可量化的模型评测体系；
- 参与高质量训练数据的构建：数据合成、清洗、去重、配比，搭建可持续迭代的数据 pipeline；
- 跟踪后训练前沿技术（如 Agentic RL、Long CoT、拒绝采样等），进行技术预研和落地验证。
职位要求
- 计算机、人工智能、数学等相关专业，本科及以上学历；
- 扎实的 Python 编程能力，熟练使用 PyTorch 深度学习框架；
- 熟悉大模型训练流程：SFT 微调、大模型强化学习(DPO/GRPO/RLVR)、分布式训练（DeepSpeed/Megatron）；
- 熟悉主流大语言模型（Qwen、DeepSeek、Llama等）的使用和微调。
