岗位描述
岗位定位 主算法（模型训练/优化）+ 懂 Agent 系统，能独立完成从数据到模型到 Agent 集成的闭环。 岗位职责 1. 模型后训练（核心，占 60%） - 运用 **SFT、DPO、GRPO、RLHF** 等后训练方法对大语言模型进行微调和对齐，提升模型在特定场景下的指令遵循、推理和生成质量 - 参与高质量训练数据的构建：数据合成、清洗、去重、配比，搭建可持续迭代的数据 pipeline - 设计合理的 **Reward Function** 和评估指标，建设可量化的模型评测体系 - 跟踪后训练前沿技术（如 Agentic RL、Long CoT、拒绝采样等），进行技术预研和落地验证 2. Agent 系统（占 40%） - 参与 AI Agent 的核心模块开发：意图识别、任务拆解、工具调用（Function Calling）、ReAct 推理链路 - 基于 MultiAgent 架构搭建多智能体协作流程，解决复杂任务的分解与编排 - 将后训练模型集成到 Agent 系统中，基于实际使用反馈驱动模型迭代优化 - 参与 Agent 效果评估：任务完成率、工具调用准确率、多步推理成功率等指标建设