AI 大模型算法工程师（后训练 / 领域适配方向）

职位描述

你将参与 MiniCPM 系列及相关大模型在政企真实场景中的能力适配，让模型在对应领域的长文档、知识问答、复杂推理、多模态理解、智能体执行和端侧部署等任务上持续变强。这里的算法工作与客户业务紧密相连，模型效果最终要经得起真实数据、真实流程和真实设备的检验。你可能参与领域继续训练、SFT、LoRA/QLoRA、蒸馏、偏好优化、强化学习、数据合成、难例挖掘、量化和推理优化，也可能深入某个行业场景，把模型能力与知识库、工具和业务规则组合起来。我们期待你有研究视野，也愿意把实验结果落到产品和项目里。

岗位职责

1. 负责大语言模型、多模态模型或智能体模型的训练、后训练、领域适配和效果优化。

2. 围绕政务办公、知识库问答、情报分析、工业质检、数字员工、长文档理解和端侧多模态等场景，定义算法问题并设计实验方案。

3. 参与数据采集、清洗、标注、合成、质量筛选、难例挖掘和训练数据配比，推动数据、算法、评测和应用形成闭环。

4. 使用 PyTorch、Transformers、LLaMA-Factory、verl、DDP/FSDP 或其他训练框架完成训练和调试，分析 loss、能力变化和失败案例。

5. 参与提示词、检索、工具调用、规划、反思、奖励建模和 Verifier 等模块的算法优化，提升模型在复杂任务中的稳定性和泛化能力。

6. 参与模型量化、蒸馏、剪枝、投机采样、算子适配和推理加速，建立可复现的实验记录、模型版本、数据版本和评测结果，将有效方法转化为团队能力。

任职要求

1. 硕士及以上学历，计算机、人工智能、数学、统计学等相关专业优先；优秀本科生也可考虑。

2. 熟悉 Transformer、大语言模型或多模态模型的基本原理，掌握至少一种训练、微调或推理优化方法。

3. 熟悉 Python 和 PyTorch，具备独立进行实验设计、训练调试、问题定位和结果分析的能力。

4. 理解数据质量、评测指标和模型迭代之间的关系，能够从失败样本中提炼算法问题。

5. 具备良好的工程实现能力和实验习惯，重视代码、配置、数据和模型版本的可复现性，愿意把算法效果推进到真实业务和生产环境。

加分项

1. 有基座模型、领域模型、视觉语言模型、语音模型或 Agent 模型的训练和优化经验。

2. 在继续预训练、SFT、RL、蒸馏、量化、长上下文、RAG、工具调用或多智能体方向有代表性项目、论文或开源贡献。

3. 有分布式训练、任务与环境合成、Verifier、自动化验证、Agentic RL 或长程任务优化经验。

4. 有国产芯片适配、端侧推理、NPU 算子优化或低资源模型部署经验。