大模型Agent后训练专家

参与面向游戏研发场景的AI创作平台建设，围绕策划需求理解、代码及内容生成、工具调用、自动试玩与测试、问题修复及发布等环节，推动Agent完成复杂研发任务。

负责大模型Agent的后训练与能力优化，包括训练数据构建、SFT、LoRA、偏好优化、奖励模型及强化学习等技术的研究与落地。

建设Agent评测体系，设计Benchmark、评测集、自动化Grader及实验指标，对任务完成质量、执行稳定性、效率和安全性进行系统评估。

分析Agent执行过程中的失败案例，判断问题来源于模型、Prompt、数据、工具、Harness或运行环境，并制定针对性的优化方案。

建立“评测—数据—后训练—再评测”的持续优化闭环，将真实用户反馈、人工修改结果及Agent执行轨迹转化为可复用的训练数据、评测数据和奖励信号。

具备大模型后训练相关实践经验，熟悉SFT、LoRA、DPO、Reward Model、RLHF、RLAIF或Agentic RL中的一种或多种方法，能够独立完成训练实验和效果分析。

具备Agent、Coding Agent、Computer Use Agent或Tool-use Agent相关项目经验，理解工具调用、任务规划、状态管理、长流程执行及错误恢复等关键机制。

具备LLM或Agent评测经验，能够设计评测集、Benchmark、自动化Grader及主客观结合的评测方案，并科学判断模型优化是否真实有效。

具备良好的工程实现能力，熟练使用Python及PyTorch等技术工具，能够独立完成数据处理、模型训练、Agent实验及结果分析，而非仅停留在方案设计或API调用层面。

具备较强的业务抽象和问题拆解能力，能够将真实游戏研发问题转化为Agent任务、训练数据、评测指标和奖励信号；有Agent Harness、代码沙箱、自动测试或游戏研发工具链经验者优先。