混元大语言模型后训练算法工程师-Memory方向（北京/深圳/上海）

长期记忆机制研发：负责大模型长期记忆全链路算法设计，实现记忆抽取、存储、检索、更新、遗忘，解决跨会话记忆一致性、冲突与时效性问题；

个性化用户建模：基于用户交互、行为数据构建用户模型，挖掘用户偏好、表达习惯，驱动模型动态适配，提升个性化交互体验；

记忆方向模型后训练：使用 SFT/RLHF/ 奖励建模等技术，把记忆调用、准确性、个性化目标转化为训练信号；构建高质量训练数据，搭建用户反馈驱动的模型迭代闭环；

评测体系搭建：设计记忆、个性化相关评测指标，构建自动化评测集与线上实验体系，评估召回、幻觉、隐私风险等；

前沿技术落地：跟踪 Memory Agent、持续学习等前沿方向，推动技术成果业务落地。

计算机、AI 等相关专业硕士及以上学历；

精通 Transformer 与大模型训练原理，在长期记忆、RAG、个性化 LLM、超长上下文、大模型 + 用户画像任一方向有扎实实践；

熟悉 SFT/RLHF/ 奖励建模，能将记忆、个性化目标转化为训练信号优先；

有向量库、知识图谱、记忆 Agent 框架、多轮对话状态管理等实战经验优先；

算法与工程基础扎实，熟练 Python，掌握 PyTorch/TensorFlow；

熟悉分布式训练、Megatron-LM/DeepSpeed/vLLM，有百亿 + 大模型调优经验优先。