大模型后训练算法工程师
岗位摘要
负责大语言模型后训练阶段的算法研究与工程实现，围绕推理、代码、数学、智能体、长上下文、多模态等方向设计训练方案，持续提升模型复杂任务能力；研究并优化RLHF、RLVR、DPO、GRPO、在线强化学习等训练方法，探索更高效、更稳定的模型对齐与强化学习策略
岗位职责
- 负责大语言模型后训练阶段的算法研究与工程实现，围绕推理、代码、数学、智能体、长上下文、多模态等方向设计训练方案，持续提升模型复杂任务能力
- 研究并优化RLHF、RLVR、DPO、GRPO、在线强化学习等训练方法，探索更高效、更稳定的模型对齐与强化学习策略
- 构建和迭代后训练数据配方，综合利用高质量标注数据、合成数据、自对弈、自我改进、数据回流、自蒸馏等方式，持续优化模型能力
- 设计奖励模型、验证器、过程奖励模型及相关训练流程，提升模型推理质量、规划能力和任务完成率
- 构建模型能力评测体系，围绕推理、智能体、长程任务等方向开展实验分析，定位模型能力瓶颈并持续优化
- 与预训练、中期训练、评测、基础设施团队深度协作，推动训练算法、数据体系和评测体系协同演进，加速研究成果落地
任职要求
- 2026届或2027届计算机、人工智能、数学、自动化等相关专业硕士及以上或优秀本科生
- 扎实掌握机器学习、深度学习基础，熟悉Transformer、大语言模型训练流程及PyTorch等主流深度学习框架
- 具备优秀的研究能力和工程能力，能够独立完成算法设计、实验验证、数据分析及结果归因，具备良好的论文阅读与复现能力
- 对强化学习、推理、智能体、长上下文、代码生成、数学推理、工具使用等至少一个方向有深入理解或实践经验，有RLHF、DPO、GRPO、RAG、智能体框架等相关经验者优先
- 对技术保持长期好奇心，乐于探索未知问题，能够快速学习并推动研究成果落地
- 在各类竞赛中取得突出成绩，或在开源社区有重要贡献者优先
工作地址
北京海淀区大恒科技大厦12F