岗位职责 ● 参与 LLM 后训练全流程实验，包含 SFT、RL、Agentic RL 开发调优； ● 主攻大模型数学推理优化，探索自然语言 / 形式化数学证明能力提升方案； ● 协助完成数据合成、模型后训练（RL训练、Agentic RL系统优化）、搭建 Benchmark 跟踪与测试，推动模型能力提升； ● 协同团队开展相关实验，输出技术文档，跟进复现前沿推理、强化学习相关论文； ● 持续跟踪业界最新技术进展，参与团队技术方案讨论与迭代。 任职要求 ● 知名院校大学本科学历以上，计算机 / 人工智能 / 数学 / 物理等相关专业，深度学习、大模型理论基础扎实； ● 4 年及以上相关工作经历； ● 熟练 Python 与 PyTorch，懂 Transformer、SFT、RLHF 基础，能独立写模型微调代码； ● 熟悉 Linux 开发环境，有数据集处理、模型评测相关实操经验优先； ● 具备良好的工程实现能力与团队协作、沟通能力。 加分项 ● 有 SFT/RLHF/Agent 训练实操经历； ● 做过 GSM8K、MiniF2F 等数学推理 Benchmark 相关实验； ● 掌握 DeepSpeed/vLLM 等大模型训练框架，复现过 AI 顶会论文。