大模型后训练算法工程师 / 研究员

岗位职责： - 负责大模型后训练体系建设，包括数据构造、SFT、Reward及RL训练； - 在30B以上模型上开展PPO、GRPO、DAPO等强化学习实验； - 建设Reasoning、Agent及科学任务的训练与评测体系； - 优化Rollout、分布式训练及训练稳定性，解决Reward Hacking、训练发散等问题； - 推动算法方案从研究实验走向稳定、可复现的工程系统。 任职要求： - 1年以上大模型后训练相关工作经验； - 实际参与过30B以上模型的训练或后训练； - 具备PPO、GRPO、DAPO、RLHF或RLAIF等大模型强化学习经验； - 熟悉PyTorch及至少一种大规模训练框架； - 能清晰说明本人负责的训练模块、算法方案、模型规模及结果指标； - 具备独立实验、问题定位和工程落地能力。 加分项： - 参与过头部基础模型的核心版本训练； - 有Reasoning、Reward Model、Agent RL或AI for Science相关经验； - 有大模型训练框架、后训练框架或开源项目贡献。