大模型后训练青年研究员

研究和优化大模型后训练核心算法，包括 SFT、RFT、PPO、GRPO、DAPO 、OPD、SAO等主流强化学习对齐方法；

设计与搭建大规模强化学习训练框架，支持大模型（含 MoE 架构）的高效训练与调优，沉淀团队可复用的后训练基础设施与最佳实践；

结合团队“模型漏洞挖掘”等任务场景，将后训练与 RL 技术落地为可交付的模型能力，持续提升模型的安全性、推理与泛化能力；

跟进 RL 与后训练领域前沿进展（如 RLVR、过程奖励模型、Agentic RL 等），推动新算法在业务场景中的验证与落地。

人工智能、计算机、数学等相关专业硕士及以上学历（博士优先），具备扎实的强化学习与大模型智能体基础；

熟练掌握 PPO、GRPO、DPO 等主流 RL 算法，有大模型后训练 / RL 训练调优的实操经验；熟悉至少一种主流 RL 训练框架（如 veRL、OpenRLHF、TRL、slime 等），具备框架深度定制与二次开发能力者优先；

具备扎实的工程实现能力，熟练掌握 Python，熟悉 PyTorch 分布式训练；有 Megatron-LM、vLLM、SGLang 等训练/推理 Infra 经验者优先；

具备 1–2 年以上一线大厂后训练团队相关经验者优先；特别优秀的应届博士/博后亦可；

在模型/训练技术报告中有署名成果者优先；在 NeurIPS、ICML、ICLR、ACL 等顶级会议发表过相关方向论文者优先（论文非硬性要求）；

具备良好的前沿趋势洞察力、创新能力与独立解决问题的能力，科研与工程能力兼备。