智联 | 招聘大语言模型后训练专家&大模型算法工程师

1. 设计并实施基于端到端强化学习的Agent模型训练框架；

2. 开发适用于垂类领域的强化学习环境和奖励机制；

3. 构建Agent模型的行动空间和决策机制，实现端到端优化；

4. 设计针对特定领域任务的Agent评估框架和指标；

5. 优化Agent的推理链路、工具使用和长期规划能力；

6. 开发自监督和半监督学习方法，减少对标注数据的依赖；

7. 与产品团队紧密合作，将Agent技术应用到实际场景；

8. 跟踪并应用最新的学术和工业界Agent技术进展。

任职要求：

1. 计算机科学、人工智能、机器学习或相关领域的硕士以上学位；

2. 2年以上大语言模型研发经验，特别是在大模型后训练优化方面；

3. 深厚的端到端强化学习理论基础和实践经验；

4. 熟悉PPO、GRPO等先进强化学习算法，并能应用于LLM-Agent开发，有设计和实现Agent行为模拟环境的经验；

5. 熟悉PyTorch等深度学习框架，熟悉大语言模型在Agent系统中的角色和优化方法；

6. 优秀的编程技能，能够构建复杂的Agent训练架构；

7. 良好的沟通能力和团队协作精神，在顶级会议(如NeurIPS、ICML、ACL等)发表过Agent或强化学习相关研究论文者优先。

1. 设计并实现大型语言模型(LLM)的监督式微调(SFT)方案；

2. 负责大模型微调和评估的全流程实现；

3. 设计实验和分析数据，评估模型在各种任务上的表现；

4. 与数据团队合作构建高质量的训练数据集；

5. 与业务团队共同构建人岗匹配和聊天上的垂类模型。

职位要求：

1. 计算机科学、机器学习或相关领域的本科以上学位，2年以上大模型开发经验；

2. 熟练掌握监督式微调(SFT)技术，有实际项目落地经验；

3. 熟悉RLHF、DPO等对齐方法的实现与应用，精通PyTorch或TensorFlow等深度学习框架；

4. 熟悉主流开源大模型如LLaMA、Qwen、Mistral等的训练与应用；

5. 良好的英文阅读和写作能力，能跟进国际前沿研究。