岗位描述
主要职责 1、负责后训练数据体系从 0 到 1 的搭建与持续迭代，覆盖数据采集、解析、清洗、去重、质量打分与过滤、难度分层、配比编排与课程式训练设计，形成标准化、可复用、可追溯的数据生产流程。 2、负责训练、偏好与评测三类数据的构造：SFT 指令数据、偏好对比数据、可验证奖励数据及评测集；制定标注规范与验收标准，管理标注进度与一致性，确保数据交付质量。 3、负 责大模型后训练，覆盖 SFT、RLHF/RLVR、DPO、PPO、GRPO 等主流对齐方法的选型、实现与消融验证，持续提升模型在指令遵循、推理、长文本与安全对齐等方面的表现。 4、跟踪领域前沿技术，包括 RL Scaling、可验证奖励、长思维链与蒸馏、模型合并等方向，并撰写调研总结；协助整理技术文档、实验记录与测试报告，配合完成功能与性能测试，确保迭代过程可追溯。 加分项 1、有十亿参数以上模型后训练或强化学习训练的实际落地经验，熟悉 vLLM/SGLang 等推理框架与大规模分布式训练调优。 2、在 ACL、EMNLP、NeurIPS、ICLR 等会议发表过相关论文，或有高质量开源项目贡献。 3、有幻觉治理、长上下文压缩、RAG 与后训练联合优化等相关经验。