自动化训练工程师/研究员
岗位摘要
设计并实现高质量训练数据的生成链路，包括模型自生成、教师蒸馏、任务改写、难度爬升、多样性扩展等，持续扩充数据的覆盖面与深度；搭建数据裁定与清洗机制，包括规则校验、执行验证、模型评判、去污染、去重，将数据质量标准沉淀为可复用、可度量的规范
岗位职责
- 设计并实现高质量训练数据的生成链路，包括模型自生成、教师蒸馏、任务改写、难度爬升、多样性扩展等，持续扩充数据的覆盖面与深度
- 搭建数据裁定与清洗机制，包括规则校验、执行验证、模型评判、去污染、去重，将数据质量标准沉淀为可复用、可度量的规范
- 负责监督微调的实验设计、训练调优与效果归因，探索数据配比、课程式训练、多轮蒸馏等提升手段
- 将生成、筛选、训练、评测、回流打通为自动化流水线，减少人工介入，提高迭代效率
- 跟进并复现数据合成、蒸馏、自改进、后训练等方向的最新工作，评估是否引入现有链路
任职要求
- 专业与背景不限；学习能力强，能应对开放性问题和高不确定性的研究任务
- 在数据或工程方向至少一项有突出能力：能从样本设计层面提升模型效果，或能独立搭建稳定高效的数据与训练链路
- 具备数据判断力：能从样本、模型输出和评测结果中发现问题
- 对数据驱动的模型增强、自进化系统、AI4AI方向有浓厚兴趣
- 加分项：熟悉大模型后训练流程，理解SFT的训练机制、数据格式与常见失效模式
- 加分项：熟悉主流训练框架（如ms-swift、LLaMA-Factory、DeepSpeed、Megatron等）及分布式训练
- 加分项：有Agentic Coding、代码生成、SWE-bench/HumanEval/MBPP等任务的训练或评测经验
- 加分项：熟悉评测体系搭建，理解数据污染、评测可复现性等问题并有实际处理经验
- 加分项：在相关方向发表过论文，或有优秀的开源项目、竞赛成绩、可展示的研究成果
加分项
- 熟悉大模型 post-training 流程，理解 SFT 的训练机制、数据格式与常见失效模式
- 熟悉主流训练框架（如 ms-swift、LLaMA-Factory、DeepSpeed、Megatron 等）及分布式训练
- 有 Agentic Coding、代码生成、SWE-bench / HumanEval / MBPP 等任务的训练或评测经验
- 熟悉评测体系搭建，理解数据污染、评测可复现性等问题并有实际处理经验
- 在相关方向发表过论文，或有优秀的开源项目、竞赛成绩、可展示的研究成果