资深算法研究员-后训练

【岗位职责】 - 负责大模型后训练的算法研发，包括SFT、GRPO、RLVR、多目标强化学习等，持续提升销售垂类模型的效果、稳定性与泛化能力，探索并提出超越SFT+RL的新型post-training paradigm； - 负责构建后训练的整体数据闭环，包括指令数据、偏好数据、拒答/安全数据、复杂推理数据、Agent 轨迹数据、领域数据、评测数据等； - 负责 Agent、RAG、工具调用、多模态检索增强等链路的模型能力优化，提升模型在复杂任务中的精准率，构建出一套“可自进化”的Agentic系统； - 跟踪大模型后训练、Alignment、RLHF/RLAIF、Agent RL、多模态后训练、Reward Hacking、防幻觉、安全对齐等前沿方向，沉淀出核心方法论、技术文档和最佳实践，推动团队技术的升级迭代。 【任职要求】 - 计算机、人工智能、数学等相关专业，硕士及以上优先，有3…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 22776 个上海岗位（全城各职能合计），其中 2348 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 8.4K ~ 20K（25~75 分位），中位约 12K，最低 0.8K、最高 120K。