2027届-硕士-Al后训练研究员-北京/上海

方向定位 面向具体应用开展模型后训练,让模型在真实临床与医疗服务场景中达到可交付的可靠性。这里的后训练以真实应用为实验场:场景真实、反馈闭环、结果可归因。 核心工作 • 领域数据体系建设:SFT 指令数据、偏好数据(DPO/RLHF)、可验证奖励(RLVR)数据的构造管线;结合医生标注、模型辅助标注与拒绝采样的数据生产;大规模去重、污染检测与质量分层;

• 后训练全流程落地与改进:领域知识注入(continued pretraining / mid-training)、SFT、DPO/GRPO/PPO 等偏好与强化学习方法的选型和多阶段训练配方设计;LoRA 与全参微调的权衡;构建医学专科专业模型(如肿瘤领域模型),沉淀专科知识注入与评测的方法论;

• 训练工程与诊断:分布式训练(DeepSpeed/Megatron-LM/FSDP 或 verl 等 RL 框架)、混合精度与训练稳定性问题定位(loss spike、reward hacking、灾难性遗忘);

• 评测体系:面向绑定应用建设领域评测集,校准 LLM-as-judge 与人工评审,打通线上失败案例回流至训练数据的闭环,并对训练指标与应用指标之间的归因作出判断;

• 与 Harness、FDE 方向协同,判定问题应由训练解决还是工程解决,并对边界负责。 绑定与协作模式 • 绑定一个主应用,对该应用的模型效果负责;

• 横向覆盖其他应用的后训练需求,优先级与排期由技术线负责人统筹,不由应用方直接指派

• 专业背景。 计算机、人工智能、数学、统计学、电子信息等相关专业。

• 熟练使用 PyTorch,掌握至少一种分布式训练/RL 训练框架(DeepSpeed、Megatron-LM、FSDP、verl 等);

• 完整跑通过 SFT + 偏好/强化学习的后训练管线(数据→训练→评测),能独立定位训练不稳定与 reward hacking 类问题;

• 理解主流 LLM 架构(Transformer、MoE、长上下文机制)及推理部署的基本约束(vLLM/SGLang、量化);

• 具备大规模数据工程能力:文本清洗、去重、污染检测、数据配比实验。

• 论文优先。 NeurIPS/ICML/ICLR/ACL/EMNLP 等主流会议一作论文者优先。

• 相关经验优先。 LLM 后训练实战(SFT/RL 全流程)、大规模分布式训练工程、开源训练框架或后训练项目贡献;推理模型(RLVR/长思维链)训练经验、医疗/生物医学 NLP 经验加分