The posting
1. 研究和优化大模型后训练核心算法,包括 SFT、RFT、PPO、GRPO、DAPO 、OPD、SAO等主流强化学习对齐方法; 2. 设计与搭建大规模强化学习训练框架,支持大模型(含 MoE 架构)的高效训练与调优,沉淀团队可复用的后训练基础设施与最佳实践; 3. 结合团队具体任务场景,将后训练与 RL 技术落地为可交付的模型能力,持续提升模型的安全性、推理与泛化能力; 4. 跟进 RL 与后训练领域前沿进展(如 RLVR、过程奖励模型、Agentic RL 等),推动新算法在业务场景中的验证与落地。
1. 人工智能、计算机、数学等相关专业应届硕士及以上学历,具备扎实的强化学习与大模型智能体基础; 2. 熟练掌握 PPO、GRPO、DPO、SAO 等主流 RL 算法,有大模型后训练 / RL 训练调优的实操经验;熟悉至少一种主流 RL 训练框架(如 veRL、OpenRLHF、TRL、slime 等),具备框架深度定制与二次开发能力者优先; 3. 具备扎实的工程实现能力,熟练掌握 Python,熟悉 PyTorch 分布式训练;有 Megatron-LM、vLLM、SGLang 等训练/推理 Infra 经验者优先; 4. 具备 一线大厂后训练团队相关经验者优先;在模型/训练技术报告中有署名成果者优先;在 NeurIPS、ICML、ICLR、ACL 等顶级会议发表过相关方向论文者优先(论文非硬性要求); 5. 具备良好的前沿趋势洞察力、创新能力与独立解决问题的能力,科研与工程能力兼备。



