返回岗位列表

GLM团队-后训练 RLHF 算法工程师

查看原岗位

地点：北京薪资：30-60K 日期：2026-05-08

岗位摘要

负责对齐数据的优化工作，包括针对模型特定能力进行数据构造、筛选和优化，涵盖指令遵循、逻辑性、角色扮演等特定领域的数据筛选和合成，以及对齐数据的质量和多样性控制；探索后训练扩展性，研究模型如何通过思维链推理在通用领域任务上取得更优效果

岗位职责

负责对齐数据的优化工作，包括针对模型特定能力进行数据构造、筛选和优化，涵盖指令遵循、逻辑性、角色扮演等特定领域的数据筛选和合成，以及对齐数据的质量和多样性控制
探索后训练扩展性，研究模型如何通过思维链推理在通用领域任务上取得更优效果
进行强化学习算法优化，提升后训练scaling性能，优化多目标奖励模型、生成式奖励模型和过程监督奖励模型
结合RLHF、RLAIF、self-improve等技术进行对齐范式探索，推动训练优化方法的持续创新

任职要求

2026届毕业生，自然语言处理、机器学习、人工智能、软件工程等相关专业硕士及以上学历
具备较强的算法开发能力，熟悉常用的机器学习、深度学习算法原理
熟练使用Pytorch、Huggingface、Megatron等深度学习框架
对Transformer架构有深入理解，了解其各种变体，有相关研究经验者优先
具备优秀的代码能力和基础算法功底，有大规模训练或大规模数据处理的工程经验

加分项

在ACL，NeurIPS，ICLR，EMNLP，ICML等顶级会议或期刊上发表过论文者优先
熟悉并行训练框架，有多机多卡训练经验者优先
熟悉大模型预训练 / SFT / RL 者优先
李女士刚刚活跃

福利待遇

具有竞争力的薪酬待遇：30-60K·16薪
加入国内最早从事大模型预训练的顶尖团队，获得专业成长机会
充沛的计算资源支持，支持预训练和后训练的深度探索
参与国际一流水平的大模型研发，工作成果具有全球影响力
团队氛围开放，鼓励技术创新和前沿探索

工作地址

北京海淀区智谱华章科技有限公司1