大模型后训练专家

岗位职责： 1、负责 DJI 飞行器、扫地机等业务场景下的基模后训练、任务适配和效果优化； 2、基于预训练模型，进行 SFT、指令微调、模仿学习、偏好优化、离线/在线强化学习、安全约束训练等； 3、面向具体产品任务提升模型效果，包括飞行避障、目标跟随、路径规划、智能构图、扫地机导航、覆盖清扫、语义避障、脱困等； 4、设计任务级数据集和训练样本，结合真实设备数据、用户反馈、失败案例进行持续迭代； 5、建立后训练评测体系，围绕任务完成率、安全性、稳定性、端侧延迟、功耗、用户体验等指标优化模型； 6、与飞控、导航、感知、系统、端侧部署团队协作，确保模型输出安全、稳定、可控； 7、推动后训练模型在端侧硬件上部署，参与蒸馏、量化、压缩和推理效率优化。 职位要求 必备能力 1、后训练方法经验，熟悉以下至少一种：SFT；指令微调；RLHF/RLAIF；DPO/IPO/KTO；模仿学习；Behavior Cloning；Offline RL；Online RL；Diffusion Policy；安全约束训练。 2、任务指标优化能力：能围绕真实业务指标调模型，而不是只优化 loss； 3、真实数据迭代能力：能处理线上/设备端数据，完成失败样本分析、数据重采样、困难样本挖掘、训练集更新和回归评测； 4、端侧落地意识：理解手机/智能硬件/机器人设备上的模型部署限制，包括算力、内存、功耗、延迟、热设计等； 5、工程能力：熟悉 PyTorch，能独立完成训练、评测、实验分析和部署前验证； 6、跨团队协作能力能和硬件、系统、端侧部署、应用算法、产品团队一起定义问题和推进效果落地； 加分经验 7、有大模型后训练、RLHF/DPO/RLAIF；手机端 AI、端侧多模态模型、端侧 Agent；做过机器人、扫地机、无人机、服务机器人项目优先； 8、有用户反馈驱动的模型迭代，推荐/广告/搜索中的在线优化、bandit/RL、用户行为建模； 9、有模型压缩、蒸馏、量化经验。