安全垂直领域大模型训练框架研发

1. 负责安全领域大模型预训练与后训练算法研发，包含CPT、SFT及DPO等；2. 主导安全Agent强化学习训练框架设计，优化奖励函数与长程任务规划； 3. 构建支持漏洞挖掘、渗透测试等复杂安全任务的交互式训练环境； 4. 设计并优化Agent训练数据流水线，实现数据合成与质量评估自动化； 5. 建立安全大模型评测体系，驱动模型在威胁检测等任务中的迭代优化。

1. 获得本科及以上学历，计算机科学、人工智能、网络空间安全或相关专业； 2. 具备大规模语言模型预训练与后训练（包括CPT、SFT及DPO/PPO等对齐算法）的实际项目经验，熟练掌握分布式训练框架及主流大模型架构； 3. 熟悉强化学习（RL）理论，具备安全Agent或Agentic RL相关的训练经验，能够针对复杂安全场景设计奖励函数与长程任务规划方案； 4. 熟悉网络安全相关领域（如漏洞挖掘、渗透测试、日志分析等），具备构建交互式训练环境及自动化数据流水线（合成、清洗与评估）的能力； 5. 在NeurIPS、ICML、ICLR、CCS、USENIX Security等人工智能或网络安全顶级学术会议或期刊有高质量论文发表记录，或在相关领域有深厚的工程落地经验。