岗位描述
【团队介绍】 GLM 团队是国内最早从事大模型预训练的团队之一，在 2022 年就完成了千亿模型 GLM-130B 的预训练；GLM-4 在文本上的通用能力已经达到了国际第一梯队的水准；25年7月发布的GLM-4.5 首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求，取得了全球模型第三、国产模型第一，开源模型第一的成绩。团队具有充沛的计算资源，可以支 持预训练方面的探索。 团队专注于大语言模型在“通用领域”的能力提升——涵盖对话、创作、角色扮演等领域，涵盖指令遵循、逻辑性、幻觉、情商等基础能力。随着模型应用场景的急速扩大，后训练（Post-training）阶段已成为决定模型最终体验的关键一环。团队目标是构建业内领先的后训练技术栈，提升模型的生成质量和稳定性。 【职位描述】 1.对齐数据优化；包括针对模型特定能力进行数据构造、筛选和优化，特定领域（如指令遵循、逻辑性、角色扮演）等数据筛选和合成；对齐数据的质量和多样性控制等； 2.后训练扩展性：探索模型如何通过思维链推理，在“通用领域”的任务上取得更优的效果； 3.强化学习算法优化：提升后训练 scaling 性能；多目标奖励模型优化；生成式奖励模型；过程监督奖励模型； 4.对齐范式探索：结合 RLHF、RLAIF、self-improve 等进行训练优化探索。