返回岗位列表

LLM算法工程师-Agent与对齐方向

查看原岗位

地点：北京薪资：50-80K 日期：2026-03-03

岗位摘要

针对工具使用、代码生成、长程Agent任务（如规划、搜索、浏览器/计算机操作）等复杂场景，主导SFT、RLHF及RLVR等核心算法的实验与迭代，实现模型能力的突破；主导特定高级任务的高质量数据闭环构建，负责合成查询、合成与验证执行轨迹、过滤与标注数据，以及构建高性能的验证器/奖励模型

岗位职责

针对工具使用、代码生成、长程Agent任务（如规划、搜索、浏览器/计算机操作）等复杂场景，主导SFT、RLHF及RLVR等核心算法的实验与迭代，实现模型能力的突破
主导特定高级任务的高质量数据闭环构建，负责合成查询、合成与验证执行轨迹、过滤与标注数据，以及构建高性能的验证器/奖励模型
聚焦于改善用户体感的关键痛点，设计并实施技术方案以显著提升模型的指令遵循能力、增强回答的事实性、并有效抑制幻觉
负责提升模型在不同领域/任务的表现，确保模型输出的专业性与准确性
针对长文本理解、创意写作、多轮交互、Agent任务等新兴能力，与团队共同设计和建设科学、有效的评测指标与流程，量化模型进展

任职要求

计算机科学或相关专业本科及以上学历，具备1-3年以上人工智能与NLP相关开发经验
拥有丰富的大语言模型项目实战经验，精通SFT，并深入理解RLHF/RLVR的原理与实践细节
具备强大的数据工程与数据洞察能力，有主导构建高质量指令/轨迹/偏好数据集的成功经验
精通Python及PyTorch，具备优秀的工程实现与快速迭代能力，能将算法思想高效落地
有处理不同参数规模（如1B-100B+）和架构（Dense/MoE）模型微调的经验，熟悉其中的挑战与优化技巧
有Agent、Tool-use或Code LLM相关项目经验者优先
对Reward Model/Verifier的建模和训练有深入理解和独到见解者优先
具备分布式训练（如Megatron-LM）和verl/slime/swift/sglang/vllm/transformers/ray/tokenizers等应用经验
在相关领域的顶会或期刊有论文发表，具备扎实的算法研究背景知识

加分项

有 Agent、Tool
use 或 Code LLM 相关项目经验者优先
对 Reward Model / Verifier 的建模和训练有深入理解和独到见解者优先
具备分布式训练（如 Megatron
LM）和 verl/slime/swift/sglang/vllm/transformers/ray/tokenizers 等应用经验
在相关领域的顶会或期刊有论文发表，具备扎实的算法研究背景知识
赵楠刚刚活跃

工作地址

北京海淀区科建大厦北京市海淀区科建大厦