1、负责 Agent 相关模型的训练与优化,覆盖数据构造、SFT、RL(RLHF / RLVR 等)全流程; 2、设计并实现奖励模型(Reward Model / PRM),提升 Agent 在规划、工具调用、多步推理上的能力; 3、探索 Agentic RL、可验证奖励(Verifiable Rewards)、过程监督(Process Supervision)等前沿训练方法; 4、构建高质量训练数据与评测(Eval)体系,支撑模型能力的持续迭代与回归; 5、研究推理时计算 / Test-time Scaling、多任务 SFT、历史类比等推理增强方法; 6、与工程团队协作,将训练成果高效部署上线,并基于线上反馈闭环优化。 1、计算机 / 人工智能 / 数学等相关专业顶会硕博； 2、扎实的深度学习与 NLP / LLM 基础,深入理解 Transformer 及预训练 / 后训练原理; 3、熟练掌握 PyTorch,具备大模型 SFT / RL 训练的实际经验; 4、熟悉主流训练框架(DeepSpeed / Megatron / veRL / TRL 等); 5、有分布式训练经验,熟悉多卡 / 多机训练与显存优化。 加分项 1、有 RLVR、PRM、Agentic RL 等方向的研究或落地经验; 2、在顶会(NeurIPS / ICML / ICLR / ACL 等)发表过相关论文; 3、有金融 / 时序 / 预测相关建模经验; 4、有 MoE 架构大规模训练经验; 5、熟悉推理时计算、历史类比等推理增强方法,对 Agent 能力评测有系统性理解。