大语言模型训练研究员

一、岗位职责 1. 参与大语言模型的预训练全流程研发，包括数据清洗与配比、训练策略设计、并行训练优化、训练稳定性与收敛性调优； 2. 负责模型后训练技术体系建设，涵盖监督微调（SFT）、奖励模型训练、RLHF、DPO、ORPO、PPO 等对齐算法的实现与迭代； 3. 设计并执行模型评测方案，从通用能力、垂直领域能力、安全性、对齐效果等维度量化模型性能，输出迭代方向； 4. 跟进预训练与后训练方向前沿技术，持续引入新方法优化模型效果与训练效率； 5. 配合工程团队完成训练流水线、数据管线的自动化与平台化建设。 二、招聘要求 1. 要求博士学历； 2. 计算机科学、人工智能、数据科学、数学等相关专业； 3. 具备大规模文本数据清洗、去重、质量评估与配比实验的工程实现能力； 4. 深入理解SFT、奖励模型训练、RLHF-PPO的完整流程，熟悉DPO/ORPO/KTO等替代对齐算法并有实际调优经验。