职位描述我们致力于提升大模型的通用能力，让模型更好地理解用户意图、处理复杂信息，并通过推理、工具使用与多轮协作完成真实任务。你将参与通用模型的后训练研发，探索训练方法、能力协同优化与评测反馈机制，持续提升模型的整体表现和实际任务完成质量。根据个人经验与兴趣，你将重点负责以下一个或多个方向： 1. 研发监督微调、强化学习与偏好优化等后训练方法，提升模型的指令遵循、推理、工具使用和复杂任务执行能力。 2. 探索高质量数据构建、奖励设计与反馈机制，推动数据、训练策略和模型能力的持续迭代。 3. 研究多能力协同优化，优化数据配比与训练流程，缓解不同能力之间的冲突、遗忘与回退，提升模型整体表现。任职要求1. 有强烈的技术追求和和热情，真的想要用技术给现实世界带来改变； 2. 具备优秀的研究素养和创新能力，在国际顶会或期刊发表过高质量论文，在模型后训练、强化学习、代码智能或相关方向有研究或实践经验。； 3. 有良好的工程和动手能力，能够广泛利用各种工具解决问题，主导或者参与过有影响力的大规模机器学习项目； 4. 具备良好的研究判断力和探索精神，能够通过严谨实验推动模型能力提升。 【加分项】 1. 有大规模分布式训练相关经验、在理解算法原理的同时，也掌握实现细节； 2. 有ACM/NOI/超算等各类竞赛获奖经历者； 3. 在相关领域有高质量研究成果或开源贡献。
