岗位职责： 1、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。 2、与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；设计并落地自动化的数据清洗、评测与合成管线，系统性提升模型在写作、问答、Agent 等核心场景的表现。 3、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： 1、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。 2、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。 3、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。 加分项： 1、熟悉 PyTorch 等深度学习框架，具备大规模训练、分布式训练或推理加速的实战经验。 2、熟悉 SFT、DPO、奖励模型、偏好数据构建等后训练相关技术栈。 3、在大模型、强化学习或相关方向有顶会/顶刊论文，或有开源模型、数据集、训练框架的贡献。 A4、CM/ICPC/NOIP/NOI 等赛事获奖选手。 5、对 Agent、工具调用、长程任务等前沿方向有研究或实践经验。 3、了解 MLOps 相关技术，有算法及框架在该领域的落地经验。