大模型领域后训练算法工程师

职位描述

1. 设计并实现面向车载人机智能交互系统的后训练算法流程，优化多轮对话决策、任务规划等agent能力。

2. 负责调研、复现LLM agentic RL等post-training相关的前沿研究，探索将新技术应用于实际产品。

3. 协助实车数据问题挖掘、分析及解决方案制定等。

4. 协助设计并实现增强基模agent相关能力的交互环境、user simulator、world model、reward function等关键模块。

任职要求

1. 本科及以上学历，计算机、自动化、信号处理等相关专业，数理基础扎实，乐于在强化学习方向深入探索。

2. 熟练掌握Python/JAVA/TypeScript/JsonScript等编程语言（一门及以上）。

3. 熟悉LLM agent相关概念，深入理解ReAct、function call、TIR、reflection等相关范式。

4. 熟练掌握LLM RL主流算法原理，如PPO、GRPO、DAPO等，对agentic RL范式有研究兴趣，有实际项目经验为佳。

5. 熟悉相关蒸馏算法，包括off-policy distillation及on-policy distillation等范式。

6. 熟悉常见后训练、强化学习框架，包括但不限于Verl、Slime、ms-swift、OpenRLHF、TRL等。对大规模分布式机器学习框架有一定了解，对training、inference相关infra工作感兴趣。

7. 熟悉语音对话系统，或有高水平论文发表者优先。