大模型及智能体后训练工程师/青年研究员

1. 01

   参与大模型及智能体模型的后训练研究与能力提升，围绕 SFT、强化学习、偏好优化、自我改进（Recursive Self-Improvement）等方向开展算法研究与工程实现。

2. 02

   参与 Agent RL 训练与优化，重点提升模型在代码生成、复杂任务规划、长时程推理、多轮交互、错误恢复等真实任务中的能力等。

3. 03

   参与构建面向后训练的高质量数据与训练 pipeline，包括高质量轨迹数据、偏好数据、错误修复数据、任务规划数据、多轮交互数据等，并研究数据筛选、难度控制与自动化生成方法。

4. 04

   参与大模型强化学习算法研究与实验，包括 reward 设计、rollout、credit assignment、on-policy / off-policy learning、训练稳定性与效率优化等。

5. 05

   参与模型自我改进与 Agent Self-Evolution 方向研究，探索数据生成—训练—评测—再生成的闭环训练机制，提升模型持续学习和复杂任务解决能力。

6. 06

   构建和优化面向 Coding Agent、Auto-Research 等任务的评测体系，并参与模型能力分析、实验设计、训练调参和问题定位。

1. 01

   硕士及以上学历，计算机、人工智能、软件工程、数学、自动化等相关专业优先。

2. 02

   编程基础扎实，熟练使用 Python，熟悉 PyTorch / Transformers 等大模型训练框架。

3. 03

   熟悉大模型基本原理，对 SFT、GRPO和OPD等后训练方法有理解或实践经验。

4. 04

   对大模型后训练、Agent RL、Reasoning、Coding Agent、Self-Improvement 等方向有较强兴趣。

5. 05

   具备较强的实验能力，能够独立完成实验设计、训练调参、结果分析和问题定位。

【加分项】

1. 01

   熟悉 LLaMA-Factory、verl、msswift、Megatron-LM、vLLM、sglang 等训练或推理框架者优先。

2. 02

   有大模型 SFT / RL、Reward Model、Preference Learning 或 Agent RL 实践经验者优先。

3. 03

   有高质量训练数据构造、Agent trajectory 生成、偏好数据构建、自动数据生成等经验者优先。

4. 04

   有 SWE-Bench、ALE-Bench 和 Auto-Research等相关评测经验者优先。

5. 05

   有相关论文、开源项目、大模型训练项目或较强工程实践经验者优先。