岗位描述
1. 负责大模型 Post-Training 全链路算法建设，覆盖 SFT、RLHF、RLVR 各阶段的算法调优与策略设计，提升模型在指令遵循、工具调用、多轮交互、Long-Horizon Task 等核心维度的综合能力。 2. 负责 Reward Model 的架构设计、训练与迭代优化，构建包含 Verifier、LLM-as-a-Judge、Rule 等多元 Reward System，优化多维度（安全性、准确性、有用性、逻辑 性等）的偏好数据采集策略与对齐训练方案。 3. 构建大模型 Agent 应用场景的交互数据闭环系统，开发自动化数据标注、推理轨迹（Trajectory）数据监督与治理、幻觉检测和消除等技术模块。 4. 研究后训练的数据智能新架构、新流程和新算法，包括但不限于小样本数据蒸馏、课程学习策略优化、数据价值量化评估等，并实现先进方法的工程化落地。 5. 研究基于 LLM 的合成数据生成框架，探索多模态数据合成方法，探索多模态思维链合成增强、对抗性和合作性数据增强等技术路线。