多模态后训练算法工程师
岗位摘要
负责多模态大模型的后训练体系建设，包括监督微调（SFT）、强化学习（RLVR/RLHF/RLAIF）、同策略蒸馏（OPD）全流程研发；设计和构建高质量多模态训练数据，包括通用感知、复杂推理、安全对齐数据等，提升模型在真实任务上的表现
岗位职责
- 负责多模态大模型的后训练体系建设，包括监督微调（SFT）、强化学习（RLVR/RLHF/RLAIF）、同策略蒸馏（OPD）全流程研发
- 设计和构建高质量多模态训练数据，包括通用感知、复杂推理、安全对齐数据等，提升模型在真实任务上的表现
- 改进多模态模型后训练算法和训练范式，驱动多模态大模型的效率/效果持续迭代
- 跟踪学术界和工业界最新后训练技术，快速验证并落地到MiniCPM系列模型中
任职要求
- 熟悉多模态大模型架构，理解大模型预训练、后训练全流程
- 有大模型后训练实战经验，熟悉SFT、DPO/PPO/GRPO等主流对齐算法
- 有大模型训练实战经验，熟悉分布式训练框架（DeepSpeed/Megatron等）
- 具备良好的数据敏感度，能够设计和构建高质量训练数据
- 有较强的论文阅读和复现能力，跟踪最新技术进展
加分项
- 有多模态大模型后训练经验，熟悉 MiniCPM-V、Qwen-VL、LLaVA、InternVL 等开源项目
- 有 RLHF/RLVR 从数据构造和奖励构建到训练的完整落地经验
- 有开源社区贡献经验，对知名多模态项目有 PR 贡献
- 熟悉多模上下文管理，多模智能体 benchmark