岗位职责
- 参与 Agent 大模型的后训练工作，在 SFT、奖励模型、强化学习等方向进行方案设计、数据构建与训练落地，持续提升真实场景下的规划、推理、工具调用与指令遵循能力；
- 针对 Agent 任务执行中的能力短板（如多步规划、抗干扰与幻觉抑制等），设计定向的训练优化方案，并构建数据合成、清洗与质量评估管线；面向意图识别等特定场景模型进行训练与优化，结合业务需求完成定制化的能力构建；
- 持续跟踪并引入后训练领域的最新技术，推动技术在实际业务的创新落地。
职位要求
- 计算机、人工智能、机器学习、数学等相关专业，硕士及以上学历，具备扎实的计算机基础与算法基础，2 年以上相关领域工作经验；
- 深入理解大语言模型与 Agent 技术体系，熟练掌握主流后训练技术（SFT、RLHF、DPO、PPO/GRPO 等），具备完整的模型训练与优化项目经验，能独立定位并解决效果问题；
- 熟练掌握 Python，熟练使用主流深度学习与训练框架（如 PyTorch、DeepSpeed/Megatron、veRL/OpenRLHF 等），具备扎实的算法实现与大规模分布式训练调优能力；
- 熟悉数据构建与评估体系，有强化学习环境搭建、奖励模型训练或高质量指令/偏好数据合成经验者优先；
- 在 ICLR、NeurIPS、ICML、ACL、EMNLP 等顶尖会议发表过论文，或为优秀机器学习开源项目贡献者优先。
