大模型后训练青年研究员/工程师

面向安全、代码和复杂工程场景，研究大模型智能体后训练与 Agentic RL 技术，负责从任务、环境和训练到评测及系统优化的完整技术链路，推动模型能力、安全性与训推效率协同提升。

1. 01

   负责安全场景及长程复杂任务下的大模型后训练和 Agentic RL 技术研究，制定技术路线并推动落地；

2. 02

   建设任务定义、数据与轨迹构建、奖励及验证器设计、强化学习和评测分析等后训练全链路；

3. 03

   研究长程任务中的探索效率、稀疏奖励、信用分配、奖励投机、风险决策和异常恢复等问题；

4. 04

   规划分布式 rollout、在线强化学习、模型推理和任务环境等训推基础设施；

5. 05

   研究安全机制对训练吞吐、推理时延、有效轨迹比例和资源利用率的影响，优化能力—安全—效率之间的平衡。

1. 01

   熟悉大语言模型、强化学习和智能体技术，对大模型后训练具有系统性理解；

2. 02

   熟悉 SFT、RLHF/RLAIF、DPO、PPO、GRPO、在线强化学习等方法中的一种或多种；

3. 03

   具有完整的大模型后训练、Agentic RL 或复杂智能体项目经验，能够覆盖任务、环境、训练和评测等环节；

4. 04

   熟练使用 Python、PyTorch 等工具，了解分布式训练、模型推理或 rollout 系统；

5. 05

   具备较强的问题定义、技术判断和独立推进能力，能够负责完整研究或工程项目。 加分项 有长程任务 Agent、Coding Agent、Computer-Use Agent 或多智能体系统经验； 有分布式 rollout、推理加速、过程奖励、自动验证器或训练数据闭环经验； 有智能体安全、模型红队、提示注入防御、工具安全或权限控制经验； 在人工智能或安全领域有高水平论文、重要产品或高质量开源成果。