1. 具备 7B 级 Dense 模型或相近激活参数规模 MoE 模型的后训练经验，能够独立完成数据准备、训练、评测与效果迭代。 2. 具备大模型强化学习实战经验，熟悉 PPO / GRPO 等至少一种方法，能够开展奖励设计、训练调优和问题排查。 3. 有可靠的评测与实验分析能力，能够通过对照实验验证收益，分析奖励投机、能力退化及泛化问题。 4. 有 MoE 模型后训练经验者优先。

1. 具备 7B 级 Dense 模型或相近激活参数规模 MoE 模型的后训练经验，能够独立完成数据准备、训练、评测与效果迭代。 2. 具备大模型强化学习实战经验，熟悉 PPO / GRPO 等至少一种方法，能够开展奖励设计、训练调优和问题排查。 3. 有可靠的评测与实验分析能力，能够通过对照实验验证收益，分析奖励投机、能力退化及泛化问题。 4. 有 MoE 模型后训练经验者优先。