算法工程师-大模型后训练 (Post-training)

高质量数据合成与构造：针对推理（数学/STEM）、通用（指令/知识/写作/安全）及垂直领域（医疗/法律/金融），构建与合成高质量数据，突破复杂推理与专业知识的数据瓶颈；

强化学习与偏好对齐：重点攻坚 Reasoning RL、Rubric RL、RLVR、RLHF，设计并优化多维度 Verifier 与 Reward Model，提升模型的思考深度与人类偏好对齐效果；

自适应链路优化：面向高频交互场景，训练模型的自适应决策与工具路由能力，使其精准理解意图并自动调用搜索、CI、生图等工具，提升真实业务体验与系统鲁棒性；

多 Harness 通用能力构建：针对 Reasoning、自适应搜索、Claude Code / Hermes / Claw 等不同Harness，定向优化模型的指令跟随、安全等底层通用对齐能力；

全链路训练与阶段联动：主导 Mid-training、SFT、RL 的全链路训练。深度优化数据配比与训练策略，解决多阶段数据冲突与能力遗忘，保障模型高质量合版；

日志挖掘与数据飞轮建设：深度挖掘海量真实用户交互日志，结合自动化与人工反馈链路，构建持续迭代的“数据飞轮”，让模型在真实反馈中不断自我进化。

对大模型后训练有深入理解和数据直觉，熟悉常见的数据构造策略和 RL 算法，具备算法设计到代码落地的完整经验；

具有较强的代码工程能力，精通 Python 以及 Pytorch 等深度学习框架，熟悉 LLM 框架（如 vLLM、verl）的实现；

对基础模型的前沿问题有持续热情，具备独立思考能力和系统性研究思维，敢于挑战现有范式；能够独立应用技术解决复杂问题，主导或深度参与过有影响力项目的人选优先；

具备跨学科视野与协作意识，能够与工程、产品等多学科团队紧密合作，推动研究成果快速落地并产生实际影响力。