LLM and Multimodal Post-training-AliStar/Bravo Star

我们正在寻找优秀的研究科学家和工程师，共同推进下一代 LLM 与 Multimodal Agent 系统 的关键技术研发。 该岗位聚焦于大模型后训练（Post-training）与Agent能力训练的前沿研究，致力于让基础模型具备 DeepResearch、Tool Use、Coding 以及复杂多步骤推理（long-horizon reasoning） 等能力。你将与一流的研究人员和工程团队合作，探索并实现包括 Agentic SFT、Agentic CPT、Reasoning RL、Agentic RL、RLHF 在内的新一代后训练方法，推动 AI 系统在复杂真实任务中的能力边界。 1、研究并开发 LLM 与 Multimodal 模型的 Post-training 方法，重点提升 Agent 能力与复杂推理能力； 2、设计与实现 Agentic SFT、Agentic CPT、Reasoning RL、Agentic RL等训练方法； 3、构建大规模 Agent training data，涵盖 DeepResearch、Tool Use、Coding等复杂任务； 4、设计并实现 Agent evaluation framework，评估模型在复杂任务执行与工具使用场景中的能力； 5、与模型训练、数据工程和系统团队协作，将研究成果应用到 真实 AI 系统与产品场景中； 6、推动前沿研究成果，通过技术分享、开源项目或学术论文等方式贡献于 AI 社区。 【任职要求】 1、计算机科学、人工智能、机器学习或相关领域硕士或博士学位； 2、具备 LLM 训练或后训练（fine-tuning / post-training）经验； 3、在 NeurIPS、ICML、ICLR、CVPR 等顶级会议发表论文或参与开源项目。