岗位描述（节选）
1. 参与大语言模型（LLM）后训练全流程优化，包括但不限于通用能力提升、安全对齐等方向。
2. 实现并应用SFT/RLHF/DPO/PPO/GRPO等算法，探索多目标奖励模型、过程监督等前沿技术，提升模型在指令遵循、逻辑推理、多任务泛化等方面的性能。
3. 构建模型效果评估体系，设计自动化评估方案，持续跟踪模型优化效果。
4. 参与技术开源与学术研究，发表顶会论文或贡献核心开源项目。
【任职要求】
● 计算机科学、人工智能、数学等相关专业硕士及以上学历（优秀本科生可放宽）。
● 熟练掌握 Python 和 PyTorch，具备分布式训练（如多机多卡调优）经验。
● 深入理解 Transformer 架构及SFT/RLHF/DPO/PPO/GRPO等算法。
● 在NeurIPS、ICML、ICLR、 ACL等顶会发表论文，或 Kaggle、ACM 竞赛获奖者优先。
加分项
● 具备大规……
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。