模型后训练工程师(J10369)

1、负责LLM后训练全链路研发与落地，涵盖有监督微调（SFT）、奖励模型训练（RM）、强化学习对齐（RLHF）等核心流程，重点攻坚金融垂域场景的后训练。 2、参与高质量训练、评测数据的构建方案制定与落地，包括数据筛选、清洗、过滤与迭代，构建、优化微调数据集。 【任职要求】 1、硕士及以上学历，专业不限，本科绩点优秀；同步开放博士与博后招聘； 2、扎实的深度学习理论基础，熟悉 Python，了解 PyTorch、Hugging Face 生态，理解 LoRA 微调、分布式训练基础原理； 3、了解 SFT、RLHF 主流对齐方案，有 LLM 微调、NLP 相关课题、项目、竞赛经历优先； 4、具备良好实验思维，善于复盘实验结果；逻辑清晰，学习驱动力强，拥有良好跨团队协作沟通能力。 加分项 1、拥有大模型微调实战项目、开源项目参与经历、大模型赛道竞赛获奖； 2、毕业设计 / 科研课题围绕大模型微调、模型对齐、NLP 方向； 3、接触过数据集治理、模型自动化评测相关工作。