LLM Post-train 算法研究员（生产数据 / Agent 自进化方向）- AI引擎

1. 负责基于公司真实生产数据（研发与内容生产过程中的任务记录、操作轨迹、产物、评审与返工记录）构建训练数据，打通数据采集、清洗、任务构造、训练、评测与回流的完整流程； 2. 搭建模型自我提升（RSI）的训练闭环：通过模型自生成数据、自我批判、迭代蒸馏、自动课程等方式，以可验证奖励和真实生产结果为训练信号，持续迭代模型能力； 3. 建立训练闭环的监控机制，及时发现能力漂移、reward hacking、分布偏移等问题，保证实验可回滚、可审计； 4. 独立完成 SFT、偏好对齐、强化学习（PPO / GRPO / DAPO 等）的训练与调参； 5. 设计 RL 任务与环境，构建 reward model、verifier 与规则校验，将任务完成标准转化为可训练的信号； 6. 建设离线与在线评测体系，以评测结果驱动版本迭代，给出模型上线、回滚的结论，并负责上线后的效果归因。 【任职要求】 1…… 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。