大模型后训练算法工程师

岗位职责

全链路对齐优化：负责 SFT 到 RL 的全链路后训练研发，提升模型在通用对话、复杂推理与 Agentic 任务上的表现。
数据体系建设：以模型能力诊断驱动数据需求，设计高质量后训练数据管线，覆盖推理数据与 Agent 轨迹数据的清洗、合成与评估。
复杂能力突破：针对复杂推理与长程 Agent 任务（多步规划、工具调用、环境交互）进行数据与算法优化，突破模型能力上限。

任职要求

深刻理解 Transformer 架构与大模型训练全流程，深入理解 SFT、PPO、GRPO 等后训练算法，熟悉 RLVR、多步轨迹奖励等 Agentic RL 训练范式。
数据洞察力强，能定义高质量数据标准，精通大规模数据清洗、去重、多样性控制与质量评估，熟悉推理链（CoT）与工具调用轨迹数据的构造。
熟练掌握 PyTorch，有大规模分布式训练实战经验，熟悉 veRL、slime、OpenRLHF 等RL训练框架。
Badcase 分析能力强，能通过细粒度拆解定位模型瓶颈；学习能力强、逻辑清晰、协作良好，能跟踪并转化前沿 Research 成果。

加分项

有大模型全链路研发与高质量模型发布/落地经验。
熟悉代码/数学/Agent 和其他推理任务，了解自动验证（Sandbox / Formal Verification）与执行反馈机制，熟悉 SWE-bench、τ-bench 等agent评测基准。
在 NeurIPS、ICLR、ICML、ACL 等顶会发表过论文，或有高水平竞赛获奖经历。