岗位职责
- 模型微调与训练：负责针对特定业务场景下的 Agent 需求，构建高质量指令微调数据集，对主流大模型（如Qwen 等）进行 SFT / DPO 微调，提升模型在推理、规划和工具调用上的表现；
- Prompt工程与评测：设计并持续优化系统级 Prompt，构建针对 Agent 应用的自动化评测集（Evaluation）与评估指标，确保系统输出的准确性、稳定性和鲁棒性。
- 前沿技术追踪：持续关注 LLM、多模态、Agent 等方向的学术界最新论文及开源社区动态（如 HuggingFace, Github），并快速进行技术原型（PoC）的验证与落地。
职位要求
- 本科及以上学历，计算机/软件/数学等相关专业，1 年以上算法相关工作经验；
- 深入理解 RLHF 机制，具备 DPO、PPO 等至少一种主流对齐算法的大规模调优与落地经验；有复杂 Reward Model 训练经验者优先；
- 熟悉推理加速与部署，了解大模型推理底层的显存管理与算子优化（如 KV Cache、PagedAttention、FlashAttention），懂 vLLM等主流推理加速框架，能够与工程团队协同推进模型的高效部署与服务化；
- 具备敏锐的技术嗅觉和优秀的英文文献阅读、算法复现能力。有极强的业务抽象能力和问题排查能力。
