AI研究算法工程师-后训练研究方向(J13375)

参与大语言模型后训练算法研究，围绕代码、工具调用、智能体、指令遵循、知识运用、复杂推理、长文本等核心能力，构建从训练数据、训练方法到评测分析的完整后训练技术体系，持续提升基座模型的通用能力和真实用户体验。

建立“数据—训练—评测—分析—迭代”的闭环，通过消融实验、错误分析和归因分析识别模型能力瓶颈，推动训练数据迭代和模型效果持续进步。

与数据工程师、Infra工程师等团队紧密协作，设计并落地复杂代码与智能体轨迹数据自动化Pipeline，系统性提升模型在代码工程、AI搜索、工具调用、任务规划等核心场景的表现。

跟踪国内外大模型后训练领域的最新研究进展，复现并验证前沿方法，探索具有长期价值的新训练范式，研究并构建长程交互、任务规划、自我反馈与改进、拟人化等核心能力。

重点院校计算机科学、人工智能、自动化、电子信息、数学等专业毕业，硕士及以上学历。

对大模型能力提升具有强烈兴趣，具备扎实的大模型算法和训练基础，能够持续跟踪论文和开源项目，并将研究思路转化为可验证的实验方案。有大语言模型微调、对齐、数据合成、模型评测或能力分析相关项目经历。

具有扎实的编程和计算机基础，精通Python等语言，具备优秀的编程习惯和工程实现能力，熟悉Linux开发环境，熟练掌握Git及AICoding类常用研发工具。

具备较强的实验设计和分析能力，能够通过对照实验、消融实验和 Bad Case 分析定位模型问题。

具备良好的沟通协作能力、自驱力和责任意识，能够独立推进研究任务。 加分项

在算法编程竞赛、数学竞赛或其他相关机器学习比赛中取得过优异成绩。

在 NeurIPS、ICML、ICLR、ACL、EMNLP、AAAI 等机器学习或自然语言处理会议发表过高水平论文。

有百亿参数以上模型或千卡以上分布式训练经验。