职位描述【工作职责】 1、参与端侧工具调用 Agent 设计与应用，构建包含意图识别、复杂任务拆解、多步推理、ReAct 工具调用、长短期记忆及智能推荐在内的完整链路； 2、运用 SFT、RL 等后训练方法训练强化垂域模型，提升大模型的多步推理、上下文遵循、ReAct 工具调用、领域问答等能力； 3、基于数据反馈构建高质量训练数据，设计奖励函数与优化机制，提升模型在垂直领域的泛化能力，利用 PPO/GRPO 等算法建设基于强化学习的迭代路径； 4、跟踪 LLM 与 Agent 领域的国际前沿技术，推动前沿技术在业务中的应用落地。任职要求【任职要求】 1、计算机、人工智能等相关专业，具备扎实的数据结构与算法基础； 2、具备扎实的 Python 编程能力，熟练掌握 PyTorch 等深度学习框架，有优秀的代码规范与工程素养； 3、熟悉 LLM 训练全流程（Pre-train/CPT/SFT/RLHF），熟练使用主流训练/推理框架（如 Megatron-LM、DeepSpeed、vLLM、Sglang 等）； 4、深入理解强化学习原理，熟悉 PPO、DPO、GRPO 等算法基本原理，熟悉基于 RLVR 的强化学习训练者优先； 5、具备敏锐的技术视野，能够将前沿算法与复杂的业务相结合，产出实际价值； 6、具备良好的沟通协作能力，工作积极主动，具备较强的学习能力，可快速验证新想法，推动技术进步。 【加分项】 1、主导过基于 ReAct/Function Call 的 Agent 项目开发； 2、在大规模模型训练中有数据合成或强化学习训练的实战经验； 3、在 AI 领域国际顶级会议或期刊作为核心贡献者有学术成果； 4、在开源社区发布过有一定影响力的项目。
