职责 1.多轮对话能力建设：负责多轮对话上下文管理、澄清策略优化、多意图理解与 search plans 生成，提升复杂对话场景下的意图识别与任务规划质量； 2.电商skill 建设：负责商品推荐、对比、详情问答等售前能力，以及订单、物流、售后咨询等场景的 skill 设计与落地，构建可复用、可扩展的能力体系； 3.推荐理由与个性化优化：优化推荐理由生成的事实准确性，确保导购内容可信、可溯源，抑制幻觉； 4.电商memory：负责 memory 注入与个性化效果迭代，提供千人千面的导购体验； 5.后训练数据体系建设：面向 query 理解、多轮对话理解、推荐理由生成等子任务，负责后训练数据的构造与清洗（线上 trace 蒸馏、强模型标注、合成对话），搭建数据生成 pipeline 与质量校验机制； 6.模型后训练与 Agentic RL：负责开源基模型（Qwen、Kimi 等）的部署与后训练（SFT/DPO/OPD）及效果/耗时对比实验；参与 GRPO/DAPO 等强化学习算法在电商对话与工具调用场景的探索落地，包括 reward 设计、训练稳定性优化与线上效果验证； 任职要求 1.计算机、人工智能或相关专业本科及以上学历； 2.熟悉 PyTorch 与 LLM 训练全流程，理解 SFT/GRPO/OPD 的原理与实践细节； 3.熟悉 LLM prompt 工程与 Agent 框架，理解多轮对话或搜索系统的核心问题； 4.具备扎实的数据处理能力，能独立完成大规模训练数据的构造、清洗与质检； 5.良好的实验习惯：对照设计、消融分析、指标口径严谨；具备独立的线上迭代与数据分析能力； 加分项 1.有训练框架（verl、LLaMA-Factory、Megatron、DeepSpeed 等）实际使用或二次开发经验； 2.有 Agentic RL / RLHF 实战经验：跑过 GRPO/DAPO 完整训练、设计过 reward、处理过训练不稳定（熵塌缩、reward hacking 等）问题； 3.有多轮对话状态管理、澄清/追问策略、意图体系设计，或 LLM 记忆系统（用户画像、偏好抽取、长期记忆管理）建设经验； 4.有多轮对话数据合成、LLM-as-Judge 评测体系或 badcase 自动归因工具建设经验； 5.在 NLP/ML 顶会（ACL/EMNLP/NeurIPS/ICLR/ICML 等）发表过论文，或有高质量开源项目。