后训练（数据/算法）研究员
岗位摘要
持续迭代与优化强化学习算法，在预训练模型与数据既定的条件下，最大限度地释放模型潜力；跨部门团队紧密协作，构建高质量、高多样性的后训练数据集；设计并落地自动化数据清洗、评测及合成管线，系统性提升模型在写作、问答、Agent等核心场景的表现
岗位职责
- 持续迭代与优化强化学习算法，在预训练模型与数据既定的条件下，最大限度地释放模型潜力
- 跨部门团队紧密协作，构建高质量、高多样性的后训练数据集；设计并落地自动化数据清洗、评测及合成管线，系统性提升模型在写作、问答、Agent等核心场景的表现
- 建立科学、敏捷、多维度的模型能力评测体系，覆盖通用能力与Agent场景，精准定位模型短板并驱动针对性优化
任职要求
- 对大模型后训练有深入理解，熟悉RLHF/RLVR/PPO/GRPO等主流强化学习框架与范式，具备从算法设计到工程落地的完整经验
- 具备扎实的数据直觉与工程能力，能够从复杂、多源的数据中提炼信号，并将数据清洗、筛选与合成流程系统化、自动化
- 对模型评测有方法论层面的思考，不满足于刷benchmark，而是能设计出真正反映模型能力边界与短板的评测方案
- 博士学历，1年以内工作经验
工作地址
北京海淀区融科资讯中心C座