岗位职责

架构设计与模型落地：主导AI虚拟陪伴系统的整体技术架构设计，重点负责大语言模型（LLM）在对话系统中的深度落地，确保模型能力在产品体验层面的高效转化。
LLM后训练与对齐：负责基座大模型的后训练（Post-training）阶段工作，包括但不限于监督微调（SFT）、奖励模型（RM）训练，以及基于人类反馈的强化学习（RLHF）或直接偏好优化（DPO），解决模型在虚拟陪伴场景下的角色一致性、情感理解与个性化表达问题。
强化学习与决策优化：探索强化学习（RL）在对话策略中的应用，利用强化学习优化模型在长程对话中的推理（Reasoning）能力与决策过程，提升交互的拟人化程度与逻辑连贯性。
记忆管理与RAG优化：完善记忆管理机制，实现关键事件、用户偏好的高效存储与检索。负责RAG系统的工程化落地，结合向量数据库与检索策略优化，为强化学习和微调阶段提供高质量的数据支持，提升内容生成的个性化与时效性。
性能与资源调度：主导系统性能优化，解决高并发场景下的低延迟响应与推理资源调度问题，保证线上服务的稳定与高效。

职位要求

学历与经验：硕士及以上学历，计算机科学、人工智能等相关专业，具备NLP、多模态交互领域深度实践经验。
LLM后训练专长： - 深入理解主流大模型架构（如Qwen、LLaMA、ChatGLM等）； - 精通大模型后训练全流程，尤其在RLHF/DPO方面有实际落地经验，熟悉PPO、DPO等强化学习算法在语言模型中的调参与应用； - 熟悉LoRA、QLoRA等高效微调技术，能根据场景平衡模型性能与训练成本。
强化学习（RL）基础：掌握强化学习基本原理，了解其在语言模型推理（如RLHF中的推理环节、过程奖励模型PRM）或多轮对话决策中的应用，有相关研究或项目经验者优先。
RAG与多模态技术：精通RAG系统的工程化实现，掌握向量数据库（如Milvus、Faiss）与检索优化策略。熟悉多模态对齐技术（如CLIP），有多模态生成（文本-图像/视频）或多模态语言模型落地经验者优先。
加分项：有复杂对话系统、虚拟陪伴产品或情感计算相关项目的落地经验；在强化学习与语言模型结合方向（如RLHF、RLAIF）有深入研究成果或顶会论文者优先。