后训练算法研究员/工程师
岗位摘要
负责大模型后训练核心算法（SFT、奖励建模、强化学习、OPD、自我改进及推理时计算扩展）的研究、实现与规模化验证，持续释放模型能力上限；面向Coding、Agent、推理、长上下文、多模态及长程任务等方向，研究规划与执行、工具使用、上下文管理、自我验证、反思纠错、探索策略和多智能体协作等关键能力
岗位职责
- 负责大模型后训练核心算法（SFT、奖励建模、强化学习、OPD、自我改进及推理时计算扩展）的研究、实现与规模化验证，持续释放模型能力上限
- 面向Coding、Agent、推理、长上下文、多模态及长程任务等方向，研究规划与执行、工具使用、上下文管理、自我验证、反思纠错、探索策略和多智能体协作等关键能力
- 设计并建设高质量后训练数据、任务环境和训练基础设施，包括任务生成、轨迹采样、难度分层、数据清洗与合成、奖励/验证器设计、Agent执行框架、Rollout系统及真实工具与执行环境
- 建立科学、敏捷、多维度的模型评测与分析体系，覆盖任务成功率、过程可靠性、长程稳定性、错误恢复、工具使用效率、结果质量及单位任务成本，系统定位能力短板与训练问题
- 与预训练、中期训练、评测、基础设施及产品团队紧密协作，分析能力涌现与行为变化规律，解决训练稳定性、奖励黑客、分布漂移和训练-推理不一致等问题，将研究成果转化为可重复、可扩展的模型能力提升
任职要求
- 硕士学历，满足以下职责之一即可
- 具备大模型算法相关经验，熟悉C/C++和Python编程
- 有算法工程化经验或优秀开源项目经历者优先
- 能够发现真正重要的问题，对实验结果保持诚实，从失败中快速形成新的判断
- 能将模糊目标转化为可执行的研究路径，在算法与工程之间自由切换
- 具备持续推动困难问题直至在真实环境中解决的毅力
福利待遇
- 参与定义下一代Agent模型的训练方法、能力标准和技术边界的机会
- 与优秀团队协作，共同推动模型从生成内容系统向能独立完成复杂工作的智能体演进
工作地址
北京海淀区大恒科技大厦12F