多模态后训练算法

【岗位职责】 1、负责多模态大模型的后训练体系建设，包括监督微调（SFT）、强化学习（RLVR/RLHF/RLAIF）、同策略蒸馏（OPD）全流程研发； 2、设计和构建高质量多模态训练数据，包括通用感知、复杂推理、安全对齐数据等，提升模型在真实任务上的表现； 3、改进多模态模型后训练算法和训练范式，驱动多模态大模型的效率/效果持续迭代； 4、跟踪学术界和工业界最新后训练技术，快速验证并落地到 MiniCPM 系列模型中。 【任职要求】 1、熟悉多模态大模型架构，理解大模型预训练、后训练全流程； 2、有大模型后训练实战经验，熟悉 SFT、DPO/PPO/GRPO 等主流对齐算法； 3、有大模型训练实战经验，熟悉分布式训练框架（DeepSpeed/Megatron 等）； 4、具备良好的数据敏感度，能够设计和构建高质量训练数据； 5、有较强的论文阅读和复现能力，跟踪最新技术进展。 加分项 1…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 21791 个北京岗位（全城各职能合计），其中 1808 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7K ~ 20K（25~75 分位），中位约 12K，最低 1K、最高 300K。