大模型後訓練算法工程師

崗位職責

全鏈路對齊優化：負責 SFT 到 RL 的全鏈路後訓練研發，提升模型在通用對話、複雜推理與 Agentic 任務上的表現。
數據體系建設：以模型能力診斷驅動數據需求，設計高質量後訓練數據管線，覆蓋推理數據與 Agent 軌跡數據的清洗、合成與評估。
複雜能力突破：針對複雜推理與長程 Agent 任務（多步規劃、工具調用、環境交互）進行數據與算法優化，突破模型能力上限。

任職要求

深刻理解 Transformer 架構與大模型訓練全流程，深入理解 SFT、PPO、GRPO 等後訓練算法，熟悉 RLVR、多步軌跡獎勵等 Agentic RL 訓練範式。
數據洞察力強，能定義高質量數據標準，精通大規模數據清洗、去重、多樣性控制與質量評估，熟悉推理鏈（CoT）與工具調用軌跡數據的構造。
熟練掌握 PyTorch，有大規模分佈式訓練實戰經驗，熟悉 veRL、slime、OpenRLHF 等RL訓練框架。
Badcase 分析能力強，能通過細粒度拆解定位模型瓶頸；學習能力強、邏輯清晰、協作良好，能跟蹤並轉化前沿 Research 成果。

加分項

有大模型全鏈路研發與高質量模型發佈/落地經驗。
熟悉代碼/數學/Agent 和其他推理任務，瞭解自動驗證（Sandbox / Formal Verification）與執行反饋機制，熟悉 SWE-bench、τ-bench 等agent評測基準。
在 NeurIPS、ICLR、ICML、ACL 等頂會發表過論文，或有高水平競賽獲獎經歷。