【高阶岗位】后训练青年科学家

参与实验室书生大模型后训练整体方案设计与合版工作，负责文本、多模态及智能体场景下强化学习技术架构的规划、研发与规模化落地，推动模型后训练能力持续演进。具体工作内容包括：

1. 01

   负责书生大模型后训练阶段强化学习整体技术方案的设计与落地，围绕文本、多模态、智能体等任务，推进强化学习训练流程、算法方案和工程系统的统一规划与持续优化；

2. 02

   负责基于多类型反馈的强化学习算法研发与迭代，覆盖复杂推理、指令遵循、代码、网页浏览、工具调用、多轮交互等任务，提升模型在真实应用场景中的综合能力；

3. 03

   负责强化学习训练数据、偏好数据、环境反馈数据及奖励模型体系的建设，推动奖励模型、过程评价模型和结果校验模型的研发与优化；

4. 04

   负责后训练相关方案的实验设计、效果评估和问题分析，建立完善的模型能力评测与迭代机制，推动算法方案在不同模型规模和任务上的泛化；

5. 05

   参与后训练方案的工程规模化和版本合并，协同算法、数据、工程及产品团队，推动强化学习技术在书生大模型中的稳定应用与落地；

6. 06

   关注大模型强化学习及智能体领域的前沿进展，结合实验室实际需求制定技术路线，并推动关键技术攻关。

1. 01

   博士及以上学历，计算机科学、人工智能、数学、统计、电子工程等相关专业优先；

2. 02

   在大模型后训练、强化学习、多模态学习或智能体方向具有深入研究或丰富工程实践经验，熟悉文本、多模态和智能体强化学习技术；

3. 03

   熟悉 PPO、GRPO、RLHF、RLAIF、过程奖励、奖励模型、环境反馈强化学习等相关方法，对大模型强化学习训练流程和技术演进具有系统理解和研发经理；

4. 04

   熟练使用 Python、PyTorch、Ray 等语言和代码库，具备大规模模型训练、强化学习训练系统或相关底层基础设施的研发与优化经验；

5. 05

   具备较强的技术判断力和系统性思考能力，能够识别关键问题、制定技术方案并推动复杂项目落地；

6. 06

   具备优秀的团队协作、沟通和项目推进能力，有顶会论文、知名竞赛获奖、顶级研究机构或大规模模型研发经验者优先。