混元-面向复杂指令与智能体场景的大模型后训练数据飞轮构建研究

课题背景： 随着前沿模型基础能力持续提升，后训练阶段的核心问题逐步集中到复杂场景数据供给。长篇生成、多约束复杂指令、多轮交互、工具调用与长链路任务，对数据覆盖深度、结构质量、评价标准和迭代效率提出了更高要求。围绕高难样本发现、失败模式归因、自动化质检与定向补强构建数据飞轮，已成为复杂能力持续优化的关键路径。 课题挑战： 复杂场景数据具有长上下文、多约束、多步骤和动态交互等特征，数据复杂度高；模型复杂能力提升依赖任务类型、约束组合、工具链路和异常路径的充分覆盖，数据多样性要求高；数据提质不能停留在单次质检或局部修补，而需要构建“评测发现问题—错误归因分析—数据定向补强—配方迭代优化—效果回流验证”的飞轮闭环，持续提升数据质量与能力收益转化效率。 具体工作： 参与大模型后训练（SFT+RL）阶段长文、复杂指令与智能体数据的全链路研发，建立高难样本挖掘、场景分类与难度分层体系；设计长文本与长轨迹数据生产、反例构造和定向修复方案，保障长程连贯性、结构完整性与指令遵循精度；搭建 Rubrics 生成、自动评分、结果验证与多层质量校验 pipeline；沉淀失败模式归因框架，形成“评测发现问题—数据补强—配方迭代—效果回流”的闭环。

1. 01

   计算机科学、人工智能、自然语言处理等相关专业硕士及以上；

2. 02

   在大模型评测、数据质量、Agent/RL 训练、对话系统等方向有深入研究经验者优先；

3. 03

   有 ICLR、NeurIPS 和 ICML等顶会论文或高影响力开源贡献者优先；

4. 04

   熟练掌握claude code等 ai工具，有基于此落地的soild工作者优先；深入理解 Transformer 架构及 SFT/RL 后训练原理；熟悉Rubric-based Evaluation 等前沿评测方法论；

5. 05

   具备从海量数据与实验结果中发现隐含规律的洞察力，以及从 insight 到落地的全链路推动力。