职位&公司对比

职位详情

• 北京
• 1-3年
• 硕士

• Post-training

1. 负责后训练（Post-training）相关研发工作，提升模型在数理推理、Planning、RAG、指令跟随、工具调用等方面的能力； 2. 优化和迭代大模型的对齐训练策略和工具，包括 SFT、RLHF、Self-play RL、Agent 优化、模型融合、模型蒸馏等； 3. 开展人类和机器偏好相关研究，提升奖励信号的质量和多样性，解决 Reward Hacking 和奖励融合问题； 4. 参与数据飞轮、合成管道、训练实验、评测工具的开发与升级，提升团队效率，跟进并适配领域和开源的最新进展； 职位要求 1. 计算机或数理相关专业背景，硕士或博士学历BOSS直聘优先； 2. 具备优秀的编程能力，精通 Linux、Python 和 Pytorch； 3. 熟悉 Tr来自BOSS直聘ansformer 架构和大模型基础知识，有后训练及数据处理经验者优先； 4. 具备强大的研究和实践能力，能够制定高效实验方案，快速定位和解决问题； 5. 具有良好的沟通和协作能力，boss具备挑战精神和结果导向。 加分项： 1. 在顶级会议上发表过论文并具有学术影响力。 2. 拥有知名开源项目经验，在开源社区有影响力。 3. 深kanzhun度参与过知名大模型项目，并在关键技术上有深入实践经验。 4. 有医直聘学背景/医疗大模型/医疗落地实践等经验。