【地瓜机器人】Agent软件算法工程师

1. 模型后训练（核心，占 60%）

- 运用 **SFT、DPO、GRPO、RLHF** 等后训练方法对大语言模型进行微调和对齐，提升模型在特定场景下的指令遵循、推理和生成质量

- 参与高质量训练数据的构建：数据合成、清洗、去重、配比，搭建可持续迭代的数据 pipeline

- 设计合理的 **Reward Function** 和评估指标，建设可量化的模型评测体系

- 跟踪后训练前沿技术（如 Agentic RL、Long CoT、拒绝采样等），进行技术预研和落地验证

2. Agent 系统（占 40%）

- 参与 AI Agent 的核心模块开发：意图识别、任务拆解、工具调用（Function Calling）、ReAct 推理链路

- 基于 MultiAgent 架构搭建多智能体协作流程，解决复杂任务的分解与编排

- 将后训练模型集成到 Agent 系统中，基于实际使用反馈驱动模型迭代优化

- 参与 Agent 效果评估：任务完成率、工具调用准确率、多步推理成功率等指标建设

任职要求

必要条件

- 计算机、人工智能、数学等相关专业，本科及以上学历，**硕士优先**

- 3 年以上大模型 / NLP / RL 相关研发经验

- 扎实的 **Python** 编程能力，熟练使用 **PyTorch** 深度学习框架

- 熟悉大模型训练流程：SFT 微调、偏好对齐（DPO/RLHF）、分布式训练（DeepSpeed/Megatron）

- 熟悉主流大语言模型（Qwen、DeepSeek、Llama 等）的使用和微调

- 了解 AI Agent 基本原理：ReAct 范式、工具调用、记忆机制、多智能体协作

加分项

- 有大模型后训练的一线实战经验（SFT 数据构建 + 训练 + 评估完整闭环）

- 熟悉 RL 训练框架（**verl / openRLHF / TRL**），有 GRPO/PPO 实际调参经验

- 使用过 Agent 框架（LangChain / AutoGen / LlamaIndex / CrewAI 等），有 Agent 产品落地经验

- 有高质量数据集构建经验（数据合成、标注规范设计、数据飞轮搭建）

- 在 NLP/RL 顶会有论文发表或在开源项目有贡献