【工作职责】 持续迭代与优化强化学习算法,在预训练模型与数据既定的条件下,最大限度地释放模型潜力. 跨部门团队紧密协作,构建高质量、高多样性的后训练数据集 设计并落地自动化数据清洗、评测及合成管线,系统性提升模型在写作、问答、agent 等核心场景的表现. 建立科学、敏捷、多维度的模型能力评测体系,覆盖通用能力与 agent 场景,精准定位模型短板并驱动针对性优化.

【岗位要求(满足其一即可)】 对大模型后训练有深入理解,熟悉 rlhf / rlvr / ppo / grpo 等主流强化学习框架与范式,具备从算法设计到工程落地的完整经验. 具备扎实的数据直觉与工程能力,能够从复杂、多源的数据中提炼信号,并将数据清洗、筛选与合成流程系统化、自动化. 对模型评测有方法论层面的思考,不满足于""刷benchmark"",而是能设计出真正反映模型能力边界与短板的评测方案.