后训练研发工程师
岗位摘要
负责后训练（Post-training）相关研发工作，提升模型在数理推理、Planning、RAG、指令跟随、工具调用等方面的能力；优化和迭代大模型的对齐训练策略和工具，包括 SFT、RLHF、Self-play RL、Agent 优化、模型融合、模型蒸馏等
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 负责后训练（Post-training）相关研发工作，提升模型在数理推理、Planning、RAG、指令跟随、工具调用等方面的能力
- 优化和迭代大模型的对齐训练策略和工具，包括 SFT、RLHF、Self-play RL、Agent 优化、模型融合、模型蒸馏等
- 开展人类和机器偏好相关研究，提升奖励信号的质量和多样性，解决 Reward Hacking 和奖励融合问题
- 参与数据飞轮、合成管道、训练实验、评测工具的开发与升级，提升团队效率，跟进并适配领域和开源的最新进展
任职要求
- 计算机或数理相关专业背景，硕士或博士学历优先
- 具备优秀的编程能力，精通 Linux、Python 和 Pytorch
- 熟悉 Transformer 架构和大模型基础知识，有后训练及数据处理经验者优先
- 具备强大的研究和实践能力，能够制定高效实验方案，快速定位和解决问题
- 具有良好的沟通和协作能力，具备挑战精神和结果导向
加分项
- 在顶级会议上发表过论文并具有学术影响力
- 拥有知名开源项目经验，在开源社区有影响力
- 深度参与过知名大模型项目，并在关键技术上有深入实践经验
- 有医学背景/医疗大模型/医疗落地实践等经验
福利待遇
- 在顶级会议上发表过论文并具有学术影响力
- 拥有知名开源项目经验，在开源社区有影响力
- 深度参与过知名大模型项目，并在关键技术上有深入实践经验
- 有医学背景/医疗大模型/医疗落地实践等经验
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。