岗位职责
- 多模态大模型训练：参与视觉语言模型（VLM）在电商内容场景的持续预训练、SFT 与强化学习（RLHF / GRPO / DPO），提升模型在内容质量评估和细粒度语义理解上的表现。
- 内容理解 Agent 系统：设计并落地面向内容标签理解的 Agent 系统，包括任务规划、工具调用、多轮推理与自我校验链路，解决单次推理难以覆盖的复杂判定场景。
- Agent 强化学习：构建可扩展的评测集与奖励模型（Reward Model），通过在线 / 离线强化学习持续优化 Agent 的决策准确率与稳定性。
- 业务落地：与产品、运营、工程团队协同，将模型能力沉淀为线上服务，支持质量和语义标签识别，并持续跟踪其在下游推荐场景的实际收益。
职位要求
- 计算机、人工智能、机器学习、自然语言处理等相关专业硕士及以上学历；
- 扎实的深度学习基础，熟悉 Transformer / 多模态大模型架构，具备pytorch实际训练调优经验；
- 具备良好的问题抽象与系统设计能力，能独立完成从问题定义、算法设计到工程落地的全链路闭环；
- 具有良好的团队合作精神，较强的沟通能力，对工作充满激情，能够主动思考和行动，推进工作顺利实施。 以下经历为加分项
- 熟悉多模态大模型（MLLM）的训练、微调、对齐（RLHF/DPO/GRPO）流程，有Video-LLM或VLM相关经验者优先；
- 熟悉强化学习基础理论与实践，有Agent RL训练（PPO、reward modeling、环境设计）相关项目经验者优先；
- 熟悉LLM-based Agent系统设计（如ReAct、Tool-use、Planning、Multi-Agent），有Agent系统工程化落地经验者优先；
- 在ACL、CVPR、ICML、NeurIPS、ICLR、EMNLP、MM等顶会发表过相关论文者优先。
