⼤模型后训练算法⼯程师 / 研究员

岗位职责 负责⼤模型 SFT、偏好对⻬、强化学习、推理能⼒增强和模型评测体系建设。 具体包括： 1. 负责⼤模型后训练流程设计，包括 SFT、DPO、PPO、GRPO、RLHF、RLAIF 等； 2. 负责指令数据、偏好数据、推理数据、⼯具调⽤数据、复杂任务数据的构建与优化； 3. 研究模型对⻬、推理增强、代码能⼒、数学能⼒、⻓链路任务能⼒提升⽅法； 4. 负责 reward model、verifier、process reward、⾃动评测体系等模块建设； 5. 参与模型效果分析，定位幻觉、拒答、格式错误、推理不稳定、⻓度坍缩等问题； 6. 推动后训练算法在真实业务场景和复杂任务中的落地。 岗位要求 1. 熟悉 SFT、RLHF、DPO、PPO、GRPO 等后训练算法； 2. 对⼤模型指令微调、偏好优化、奖励建模、强化学习训练有实际经验； 3. 熟悉⼤模型评测⽅法，理解通⽤能⼒、推理能…… 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。