大模型后训练算法工程师（博士专项）-实习

岗位方向 围绕金融大模型在专业场景中的可靠性、准确性、推理能力和用户体验，负责模型后训练、偏好对齐、奖励建模、强化学习、数据构造、评测体系和安全合规能力建设。 岗位职责

1. 01

   负责大模型后训练体系建设，包括 SFT、RLHF、DPO、RLAIF、RFT、GRPO、拒答策略、风格对齐、领域适配等。

2. 02

   构建金融领域高质量指令数据、偏好数据、评测数据和奖励信号，提升模型在金融专业任务上的表现。

3. 03

   设计面向金融问答、投研分析、合规审查、风控预警、数据解释、复杂推理等任务的后训练方案。

4. 04

   建设模型评测体系，包括金融知识、事实准确性、逻辑推理、时效性、幻觉率、安全合规、拒答边界、用户满意度等。

5. 05

   研究可验证奖励、自动评测、LLM-as-Judge、Reward Model、Process Reward Model 等技术。

6. 06

   与大模型、Agent、推荐、多模态、语音团队协作，提升整体 AI 产品的可靠性和业务效果。

1. 01

   计算机、人工智能、机器学习、自然语言处理、强化学习等相关专业，博士优先。

2. 02

   熟悉大模型训练和后训练流程，理解 SFT、RLHF、DPO、PPO、GRPO、Reward Model、RLVR 等方法。

3. 03

   具备扎实的机器学习和强化学习基础，熟悉 PyTorch、Transformers、DeepSpeed、Megatron、TRL 等框架。

4. 04

   有数据构造、模型评测、实验分析和系统性优化能力。

5. 05

   对模型可靠性、幻觉控制、金融合规、领域专业性有较强意识。 加分项 •有大模型后训练、偏好对齐、Reward Model、强化学习、推理模型训练经验； •有金融、法律、医疗等高严谨性场景模型优化经验； •有推理模型、RLVR、可验证奖励相关研究或复现经验； •有顶会论文或开源项目经验。