智能体后训练，上下文研究员
岗位摘要
设计并运行实验，提升上下文计算的扩展能力；负责后训练技术栈的端到端改进，包括强化学习、数据管道、评分器、奖励信号、评估、诊断与模型行为分析；构建评估与环境，暴露下一代模型的失败模式，并将其转化为训练数据、产品修复或新研究方向
岗位职责
- 设计并运行实验，提升上下文计算的扩展能力
- 负责后训练技术栈的端到端改进，包括强化学习、数据管道、评分器、奖励信号、评估、诊断与模型行为分析
- 构建评估与环境，暴露下一代模型的失败模式，并将其转化为训练数据、产品修复或新研究方向
- 与Codex和ChatGPT产品团队合作，理解用户需求，将产品信号转化为模型改进
- 参与早期训练与对齐干预，包括数据混合、目标函数、合成数据与评估循环，塑造下游智能体行为
- 协助决定哪些集成、能力与修复可纳入重大模型训练
- 改进大规模训练与发布机制，包括实验速度、可靠性、可观测性、可复现性、成本、延迟与生产就绪度
- 承担跨职能项目，涉及模型训练、产品基础设施与生产智能体框架，例如多智能体系统或直接针对类生产环境进行训练
- 调试已发布或即将发布模型中的困难故障，将杂乱定性行为转化为具体假设、实验与修复
任职要求
- 在机器学习、软件工程、系统、统计或相关领域具备扎实技术基础，并能快速学习未曾涉足的方向
- 具有大语言模型、强化学习、基于人类反馈的强化学习/基于AI反馈的强化学习、后训练、评估、评分器、合成数据、模型训练、编码智能体、工具使用智能体或生产机器学习系统的实践经验
- 对开放式问题充满热情，即使路径不清晰、信号嘈杂，且正确答案需要兼具研究品味与工程执行力
- 关注产品影响与模型行为，而不仅是基准提升；对智能体如何做到有用、可靠、诚实、有品味且易于协作有独立判断
- 能将模糊的行为问题转化为具体实验：定义假设、构建管道、运行模型、分析结果并决定下一步
- 能在快节奏、高自主性环境中工作，并与跨职能团队高效协作