工作职责： 1、负责云端大模型对齐与后训练（Post-training）核心算法的研发、优化与前沿技术探索； 2、深入研究并落地 SFT（监督微调）、Agentic RL（智能体强化学习）、DPO/PPO/OPD 等模型微调与强化学习技术； 3、针对复杂业务场景或智能体（Agent）交互场景，设计合理的模型奖励机制与数据飞轮，持续提升云端大模型的推理能力与对齐效果； 4、跟进业界最新前沿进展（如各类 Alignment 技术），并能敏捷地将优质文献中的算法在业务中复现并落地。 任职资格： 1、本科及以上在读，计算机、数学、人工智能相关专业，至少实习3个月，每周出勤5天； 2、具备扎实的编程基础，熟练掌握 Python、PyTorch 深度学习生态。熟悉 verl、DeepSpeed、Megatron 等分布式训练，强化学习框架者优先； 3、具备优秀的数学功底与机器学习理论基础，对深度学习底层逻辑有深刻理解； 4、具备大模型后训练实战经验，深度参与过 SFT、RM、RLHF、DPO、PPO 等核心环节中的一个或多个； 5、加分项： 在人工智能顶会（如 ACL, EMNLP, ICLR, NeurIPS 等）有相关论文发表经验，或具备优秀的学术论文撰写与科研能力。