AllSpark-基础大模型算法专家

预训练：模型架构设计和实现，持续打磨多阶段预训练技巧，结合自动化和人工筛选，持续迭代化数据配比方案（质量、类别分布、难度等），训练全尺寸Dense和MoE模型，以及探索Hybrid架构、Diffusion训练/推理等新一代大模型范式；

后训练：SFT数据合成、拒绝采样、数据配比、模型训练，样本级标签体系建设，RL数据合成、Reward Model设计、router replay、RL算法创新，显著提升alignment阶段模型生成能力；

数据&评测：持续改进数据体系pipeline，包括：数据收集、清洗、去重和配比等，合成各种高质量agentic/reasoning训练数据，提升模型通用能力；持续完善大模型评估体系和Bench，能有效评估STEM、math、code、知识、指令跟随、多语言等维度能力。

背景： 计算机、电子、数学等相关专业硕士/博士；深入理解大模型训练、推理和数据构建流程； -

专业深耕：在预训练（数据配比，模型结构，AI Infra）、SFT（e.g. 数据合成、拒绝采样）、强化学习（e.g. Reward Model，GRPO/PPO） 或 模型推理（e.g. 投机解码）等领域有深厚积累； -

工程能力：熟练使用 PyTorch，有Megatron-LM、FDPS、Verl、SGlang 等大规模分布式训练和推理实战经验；

加分项：有AGI经验，或知名开源LLM项目核心贡献者；在NeurIPS, ICML, ICLR, ACL, EMNLP, CVPR等顶会发表过高质量论文。