大模型后训练算法研发工程师

Unity China AI 团队正在探索面向复杂软件开发和交互式环境的下一代基础模型与智能体技术。 我们重点研究 LLM Post-training、Agentic Reinforcement Learning、Coding Agent、Tool Use 与模型能力评测，并依托 Unity Engine 提供的大规模可执行、可交互、可验证环境，探索模型从代码生成到复杂长程任务执行的能力演进。 你将直接参与大模型后训练的核心研发工作，从 数据、训练、强化学习到评测与模型合版，推动模型在 Coding、Reasoning、Agent 等关键能力上的持续提升。 - 参与大语言模型 Post-training 技术研发，围绕 Coding、Reasoning、Tool Use、Agent 等核心能力持续提升模型能力上限。 - 研究和实践 SFT、Preference Optimization、RLHF、RLVR、GRPO 及 Agentic RL 等后训练技术，探索不同训练范式的 Scaling Law 和最优训练策略。 - 负责高质量后训练数据体系建设，包括数据挖掘、合成、清洗、过滤、质量评估、难度分层与数据配比，研究 Data Scaling 对模型能力的影响。 - 深入分析模型行为与失败案例，从评测结果反推数据缺口、奖励设计和训练策略，建立 Data → Training → Evaluation → Data 的持续迭代闭环。 - 参与模型版本演进与合版工作，研究不同训练阶段模型的能力融合、Checkpoint Selection、Model Merge、能力保持与灾难性遗忘等问题。 - 建设面向 Coding / Agent 能力的评测体系，设计可验证任务、自动化评测方法和能力 Benchmark，以端到端任务完成率驱动模型优化。 - 探索基于可执行环境反馈的强化学习，通过代码编译、测试、引擎执行和环境反馈构建高质量 Reward Signal。 - 与 Agent、Infra 和 Engine 团队协作，将模型训练成果部署到真实复杂任务环境中，并通过线上/离线数据持续推动模型迭代。 - 持续跟踪大模型后训练、强化学习、Agentic Learning 等前沿研究，推动有价值的方法快速完成实验验证和规模化落地。 你将获得 - 深度参与 Unity 新一代 Coding Agent for Game 的核心研究工作。 - 接触业界前沿 Agentic RL、LLM Post-training、Agent Evaluation、Coding Agent 技术体系。 - 与国际化研究团队合作，参与高质量研究项目，并有机会推动成果发表于顶级 AI 学术会议。 - 在真实工业场景中完成从 数据 → Post-training → RL → Evaluation → Agent 部署 的完整研发闭环。

• 2027 届本科、硕士或博士毕业生，计算机科学、人工智能、数学、统计学等相关专业。 - 具备扎实的机器学习、深度学习基础，对 Transformer 和主流大语言模型有深入理解。 - 熟练掌握 Python 和 PyTorch，具备良好的算法实现和实验能力。 - 对大模型 Post-training 有较系统的理解，熟悉 SFT、DPO、PPO、GRPO、RLHF / RLVR 等至少一种训练方法。 - 具备较强的数据意识，能够从模型行为和实验结果出发分析数据质量、数据分布和数据配比问题。 - 具备较强的实验设计和问题分析能力，能够独立提出假设、设计实验并根据结果迭代方案。 - 对大语言模型训练和智能体研究具有强烈兴趣，能够快速跟进并复现最新研究成果。 - 具备良好的工程能力、自驱力和团队协作能力。 加分项 - 有大模型 Post-training、RL、Code LLM 或 Agent 模型相关科研、实习或项目经验。 - 有大规模 SFT / Preference / RL 数据构建、数据合成或数据质量研究经验。 - 有模型合版、Model Merge、Checkpoint Selection、多阶段训练或能力融合相关经验。 - 熟悉 verl、OpenRLHF、TRL、DeepSpeed、Megatron、FSDP 等训练框架。 - 熟悉 vLLM、SGLang 等大模型推理框架。 - 在 NeurIPS、ICML、ICLR、ACL、EMNLP、KDD、The Web Conference 等会议有论文发表或高质量研究经历。 - 在 ACM-ICPC、NOI/IOI、Kaggle 或其他 AI / 算法竞赛中取得优秀成绩。 - 有 Unity、Unreal Engine、游戏开发或复杂软件工程任务相关经验。