联想
模型后训练算法专家
模型后训练算法专家
发布于 大约 9 小时前普通员工/个人贡献者
北京市
专家级经验
全职员工
仅现场办公
本科
人工智能
Deepspeed
Dpo
Grpo
Megatron-Lm
Pytorch
Rlhf
Sft
Vllm
大语言模型
AI 估算 · 50k–80k
职位详情
关于这个职位
该职位负责大语言模型的后训练全流程研发，包括SFT、RLHF、DPO等对齐算法的落地与优化，并专注于提升模型在Agent场景下的能力
你将设计训练pipeline、研发评测体系，并探索前沿后训练技术，与团队协作推动模型迭代
适合对LLM对齐和Agent技术有深入理解和实践经验的算法专家
最低要求
精通大语言模型后训练相关技术，深入理解SFT、RLHF、DPO、GRPO、Agentic RLHF等主流对齐算法的原理与工程实现，有相关项目落地经验
熟练掌握PyTorch、DeepSpeed、Megatron-LM、vLLM等主流训练与推理框架，具备大模型分布式训练、显存优化、性能调优、推理加速的实战经验
具备扎实的机器学习、自然语言处理基础，熟悉大模型预训练、微调、评测、部署的全流程技术体系
深入理解大模型Agent的核心技术体系，有Agent能力后训练、工具调用对齐、多步推理优化相关的项目经验，熟悉AgentBench、ToolBench等主流Agent评测基准
具备优秀的问题分析与解决能力，能够快速定位训练过程中的效果、性能、稳定性问题，并给出有效解决方案
具备良好的沟通协作能力与文档撰写能力，能够清晰输出技术方案与研发文档，有较强的团队协作意识
工作职责
负责大语言模型的后训练全流程研发，包括SFT、RLHF、DPO、GRPO等主流后训练算法的落地与优化，提升模型在特定场景下的效果与对齐度
设计并搭建高效的后训练数据处理、训练、评测全链路pipeline，保障训练流程的稳定性、可复现性与高效率
针对模型幻觉、偏见、安全对齐等核心问题，研发针对性的后训练优化方案，持续提升模型的可靠性与合规性
负责大模型Agent能力的后训练对齐研发，包括Agentic Workflow的指令遵循、工具调用、多步推理、任务规划、长程记忆等核心能力的后训练优化，提升模型在Agent场景下的任务完成率与稳定性
探索并落地大模型前沿后训练技术，包括Process Reward Model（PRM）、Outcome Reward Model（ORM）、Agentic RLHF、多模态对齐、Constitutional AI、自洽性对齐等前沿算法，持续提升模型的通用能力与Agent任务执行能力
设计Agent场景下的后训练评测体系，包括多步任务、工具调用、长程规划、反事实推理等维度的评测基准与自动化评测流程，保障模型Agent能力的持续迭代
跟进业界前沿的大模型后训练技术与算法，结合业务场景进行创新落地，输出技术方案、专利与技术文档
与算法、工程、产品团队协同，完成模型迭代的全流程落地，支撑业务场景的效果目标达成
AI 洞察
暂无 AI 洞察数据
Watch Jobs