后训练（数据/算法）研究员

】 1.持续迭代与优化强化学习算法，在预训练模型与数据既定的条件下，最大限度地释放模型潜力。 2.跨部门团队紧密协作，构建高质量、高多样性的后训练数据集；设计并落地自动化数据清洗、评测及合成管线，系统性提升模型在写作、问答、Agent 等核心场景的表现。 3.建立科学、敏捷、多维度的模型能力评测体系，覆盖通用能力与 Agent 场景，精准定位模型短板并驱动针对性优化。 【

】1.对大模型后训练有深入理解，熟悉 RLHF / RLVR / PPO / GRPO 等主流强化学习框架与范式，具备从算法设计到工程落地的完整经验。2.具备扎实的数据直觉与工程能力，能够从复杂、多源的数据中提炼信号，并将数据清洗、筛选与合成流程系统化、自动化。3.对模型评测有方法论层面的思考，不满足于"刷benchmark"，而是能设计出真正反映模型能力边界与短板的评测方案。 【团队使命】 通过高质量后训练数据与前沿算法，最大化释放Base模型潜能，打造兼具强大智能与深度意图理解力的AI模型。使得模型既能解决最难的问题，也能读懂每一个意图，更能作为自主Agent在复杂真实世界中可靠地行动。 【岗位类别】：实习/全职 【工作职责】 1.持续迭代与优化强化学习算法，在预训练模型与数据既定的条件下，最大限度地释放模型潜力。 2.跨部门团队紧密协作，构建高质量、高多样性的后训练数据集；设计并落地自动化数据清洗、评测及合成管线，系统性提升模型在写作、问答、Agent 等核心场景的表现。 3.建立科学、敏捷、多维度的模型能力评测体系，覆盖通用能力与 Agent 场景，精准定位模型短板并驱动针对性优化。 【