岗位描述（节选）
岗位职责:
1、 围绕语言、多模态与 Agent 能力，探索预训练架构、后训练 SFT 数据配比、SFT 策略、SFT 与 RL 协同策略及 RL 训练算法；
2、 研究面向 Agentic、Reasoning、Coding、General等高优场景的针对性 Reward System 构建、环境模拟与训练策略；
3、 研究强化学习算法与训练稳定性提升方法，包括但不限于重要性采样策略、细粒度 Reward 设计、Credit Assignment 策略、Off-policy Masking 等提升 RL 训推一致性的策略；
4、 探索 Model Merge（模型融合）、On-policy KD（在线蒸馏）、Multi-task RL（多任务强化学习）等专项能力融合策略，推动模型综合能力提升；
5、 推动后训练与强化学习方案在真实业务和模型迭代中验证落地，形成可复用、可规模化的训练策略与工……
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。