岗位描述（节选）
1. 负责垂类大模型后训练（Post-training）阶段的算法研发工作。
2. 设计并优化高质量的指令数据微调（SFT）与对齐（Alignment）工作，构建针对如金融事实性、合规性及逻辑推理的 Reward 模型系统，激发模型的专业对话、复杂逻辑推理及合规风控能力。
3. 构建基于 Agentic-RL 的金融数据仿真环境及 API 对接体系，通过合成高质量多轮决策轨迹，打造具备极致专业性与安全性的垂类行业模型。
【任职要求】
● 计算机科学、人工智能或相关专业背景，具备大模型后训练实战经验。
● 精通 SFT、RLHF（PPO/DPO/GRPO）及对齐算法，具备构建复杂奖励模型（Reward Model）的实战经验。
● 理解Agentic技术栈，有仿真环境构建、工具调用（Tool Use）及多轮决策轨迹合成的相关研发经验。
● 具备扎实的算法工程实现能力，熟悉 PyTorch、……
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。