米哈游
LLM Posttrain算法研究员
LLM Posttrain算法研究员
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Cpt
Llm
Post-Training
Reinforcement Learning
Sft
分布式训练
多模态
数据构建
评估框架
值不值得投
77综合评分
综合评分 77
顶尖AI大厂核心算法岗、前沿技术栈、高成长空间，WLB待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
7.5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 980 个在招 · 其中机器学习工程 10 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 550 个在招
职位详情
关于这个职位
负责大语言模型及多模态模型的后期训练方法研究，重点提升Agent智能体能力与复杂推理水平
需设计实现Agentic SFT/RL等核心训练流程，构建大规模高质量训练数据集，并搭建面向复杂任务与工具使用的评估体系
最低要求
计算机科学、人工智能、机器学习或相关领域硕士或博士学位
具备 LLM 后训练经验或RL训练经验，熟悉分布式训练、rollout系统和性能调优
在 NeurIPS、ICML、ICLR、CVPR 等顶级会议发表论文，或参与过有影响力的开源项目
工作职责
研究并开发 LLM 与多模态模型的 Post-training 方法，重点提升模型的 Agent 能力与复杂推理能力
设计并实现 Agentic SFT、Agentic CPT、Reasoning RL、Agentic RL 等训练方法，并持续迭代优化
构建大规模 Agent training data，覆盖Coding、 Cyber、Tool Use、回流数据等复杂任务场景
设计并实现 Agent evaluation framework，建立面向复杂任务执行与工具使用场景的能力评估体系
AI 洞察
优缺点分析
优点
- 技术栈处于AI最前沿，直接参与Agent与强化学习核心算法攻关，学术与工业界结合紧密
- 算法迭代快，需持续跟进最新文献与实验结果
- 具备扎实机器学习理论基础、追求技术突破、能在高压环境下保持科研严谨性的资深算法研究者
缺点 / 挑战
- 对顶会论文或开源影响力要求极高，初期适应与产出压力较大
角色解读
- 可向首席算法科学家、大模型架构师或AI实验室负责人方向发展
- 也可横向拓展至具身智能、自动驾驶或通用人工智能（AGI）底层技术研发领域
- 专注于大语言模型与多模态模型的后期训练（Post-training）算法研发，核心目标是提升AI的智能体（Agent）行为与复杂逻辑推理能力
- 精通强化学习（RL）、监督微调（SFT）及连续预训练（CPT）等训练范式
- 熟练掌握分布式训练架构与系统级性能调优
- 具备大规模高质量训练数据构建与自动化评估框架设计能力
申请策略
- 提前梳理个人研究路线与公司Agent方向的契合点，准备可复现的实验代码或技术博客链接作为辅助材料
- 突出顶会一作/共一论文、开源项目贡献量级、以及LLM后训练/RL相关项目的完整闭环（数据-训练-评估）
- 补充分布式训练框架（如DeepSpeed、Megatron）实战经验，强化Agent任务规划与工具调用（Tool Use）的算法理解
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，重点量化实验指标提升（如准确率、推理步数减少比例），并清晰说明技术选型依据与消融实验设计
- 请详细阐述你过往在LLM后训练或RLHF中的核心贡献与技术难点突破
- 如何设计一个面向复杂多步推理任务的Agent训练数据 pipeline？
- 在分布式训练遇到显存瓶颈或通信延迟时，你的调优策略是什么？
- 如何看待当前主流SFT与RL训练范式的局限性？你有何改进思路？
- 复习Transformer架构细节、RL基础理论（PPO、GRPO等）及分布式并行策略
- 准备1-2个深度复盘的完整项目案例，确保能应对底层原理追问
职位点评
薪资福利82
成长发展92
工作生活48
使命价值76
薪资福利
82较高
JD未明确薪资福利细节，但作为头部企业核心算法岗，通常配套具有市场竞争力的薪酬包与完善的企业福利体系。
薪资信号未披露（AI估算：5.5千–9.5万/月）
成长发展
92较高
聚焦大模型Agent与强化学习前沿方向，技术栈极具前瞻性，能深度参与核心算法研发，学术与工程双轨成长路径清晰。
技术前沿前沿/新兴技术
技术栈LLM、Post-training、Reinforcement Learning、Agent、SFT、CPT、分布式训练、Rollout系统
业务类型ambiguous
工作生活
48较低
JD未提及具体办公模式与工时安排，互联网与AI研发岗位通常节奏较快，需做好应对高强度实验迭代与版本交付的心理准备。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
76中等
处于AI Agent与大模型应用爆发期，技术落地潜力大，虽偏商业产品导向，但对推动AI智能化边界拓展具有积极意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
米哈游 的其他在招职位
相似职位推荐
Watch Jobs