大模型后训练（Post-Training）算法研究员

职责

1. 自动化合成数据与知识注入（Data Synthesis & Distillation）：

针对 B 端高门槛领域知识与稀缺标注，构建基于 Model-generated Data 的高质量合成数据流水线（Data Synthesis），设计数据去噪、去偏与对齐机制，实现企业专有 Domain Knowledge 的高效注入。

2. 渐进式课程学习（Curriculum Learning）方案设计：

针对复杂的企业多步逻辑，设计从简单任务到综合业务场景的渐进式 Post-Training 路径，优化 SFT/Alignment 阶段的损失函数与采样策略，提升模型在长上下文（Long-context）与复杂 CoT 推理上的泛化能力。

3. Agent 专项能力微调（SFT for Agent Capabilities）：

围绕 Tool Calling、MCP（Model Context Protocol）、多模态交互及自动提示工程（AutoPE），设计精细化的 Instruction Tuning 方案，为上层 RL 训练提供具备高遵循度与鲁棒性的基座模型。

4. 动态闭环评估引擎（Dynamic Evaluation Engine）：

构建贴合真实业务流的动态 Agent 评测基准（Benchmark），打破静态数据集评测的局限，建设“数据合成-后训练-在线评估-真实反馈”的端到端 Flywheel 飞轮。

能力要求

1. 敏锐的数据品味与数据工程能力（Data-centric AI）：

深谙“Data is the new code”，具备从海量非结构化 Enterprise Logs 与业务规则中自动化提炼、构造高质量 Instruction & CoT 对话的技术方案力。

2. 深厚的 Post-Training 算法与工程功底：

精通 Megatron-LM、DeepSpeed、Llama-Factory 等分布式训练框架，对 SFT、Alignment（DPO/ORPO/KTO 等）、Quantization 及 Data Pruning 的底层机制有深刻理解。

3. 严谨的系统抽象与评估思维：

能将业务场景中模糊、非结构化的成功标准（如合同审核准确率、客服转化率），精准转化为可量化、可自动迭代的数据构造规则与评测基准。

加分项（选填）

1. 拥有大模型 Post-Training（SFT/Alignment/Quantization）的实际调优与上线经验。

2. 在合成数据（Data Synthesis）、AutoPE（自动提示工程）或 Teacher-Student 模型蒸馏方向有深度研究或顶会论文（NeurIPS、ICML、ICLR、ACL 等）。

3. 熟悉企业级数据栈（Enterprise Data Stack），具有 Agent 知识库/RAG/MCP 工具链数据集建构的成功实践。