Token Foundry-大模型Post-training算法研究员-Qwen

千问（Qwen）是由阿里巴巴自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。

在蕴含丰富世界知识的预训练模型的基础上，我们利用 Post-train 打造出我们想要的能够服务人类的 AI 模型。我们通过 RL、SFT、RFT 等技术，探索大模型潜能的同时，也在塑造大模型的能力与性格。本着为人类服务的目标，我们的 Post-train 将会重点探索其推理能力，实现深度思考，并致力于提升其 Agent 能力，让大模型服务于真实世界的任务。

工作职责：

1. 探索更多可 scalable 的 verifier 信号，并通过 RL 提升模型的各项能力。

2. 提升 reward model 在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias。

3. 研究 reasoning path压缩和外推，实现更高质量的推理思考。

4. 将LLM的推理能力和Agent以及其他模态相结合，探索统一模态的reasoning。

1. 计算机、机器学习等方向相关专业，博士及硕士优先。

2. 具有 post-training 或强化学习相关方向经验。

3. 精通 Python 以及 Pytorch 等深度学习框架，具有较强的代码工程能力。

加分项：

1. 熟悉LLM推理引擎（如vLLM，SGLang）的实现。

2. 曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL等。

3. 拥有知名开源项目，在开源社区具有较好的影响力。