首席研究工程师（后训练方向）
岗位摘要
技术领导与指导：定义并推动中后训练系统的技术路线图，平衡研究创新与生产可靠性和可扩展性。通过技术指导、设计评审和职业发展，指导并培养研究工程师团队。建立实验、模型开发和部署的最佳实践
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 技术领导与指导：定义并推动中后训练系统的技术路线图，平衡研究创新与生产可靠性和可扩展性。通过技术指导、设计评审和职业发展，指导并培养研究工程师团队。建立实验、模型开发和部署的最佳实践
- 研究与模型开发：领导对齐算法、优化技术和训练目标的开发，提升模型能力和数据效率。推动中后训练方法的进步，包括强化学习、偏好优化、监督微调及新兴对齐方法。识别并执行高影响力的研究机会，改善模型行为、安全性和用户参与度。开发稳健的评估框架和质量信号，衡量模型在真实世界的性能
- 系统与基础设施：领导大规模生成模型的高效训练和推理系统设计。架构可扩展的数据管道，将多样化的数据源转化为高质量的训练数据集。与基础设施团队合作，优化分布式训练、GPU利用率和服务效率。推动实验平台、数据质量系统和模型可观测性的改进
任职要求
- 计算机科学、机器学习、人工智能或相关领域的博士学位，或同等的行业经验
- 在机器学习、人工智能研究或大规模分布式系统中领导技术项目或团队的丰富经验。具备扩展和指导高绩效研究与工程团队的经验
- 对现代机器学习技术有深入理解，包括Transformer、强化学习、对齐方法和大型语言模型
- 在生产环境中交付有影响力的研究成果或应用机器学习系统的良好记录
- 在设计、构建和维护生产级机器学习系统与基础设施方面具备专业知识
- 在基于GPU的系统上训练、服务、调试和优化大规模模型的经验
- 领导团队从事大型语言模型训练、中训练或后训练的经验
- 具备产品实验、在线评估和A/B测试框架的经验
- 出色的软件工程技能，能够编写干净、可维护和可扩展的代码
- 优秀的沟通能力，能够跨团队影响技术方向。领导跨数据、训练基础设施、评估和模型服务的复杂跨职能计划
福利待遇
- 直接塑造数百万用户的日常对话体验
- 有机会影响研究方向及其生产化系统，构建下一代AI娱乐
- 与跨职能团队（研究、工程、产品、基础设施）紧密合作，推动高杠杆机会
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。