【Plan A】大模型后训练算法工程师-百灵-27届

岗位职责

Ling Team 聚焦百灵模型家族的核心算法创新。 我们关注的不只是 benchmark 指标，而是： 1.智能与效率的极致 Pareto 前沿 2.长程推理与规划能力 3.Agentic 执行与真实世界决策 4.在工业规模下可持续扩展的训练范式 在万亿参数（1T）与百万上下文（1M Context）的规模下，即时模型的后训练不仅是算法调优，更是对算力、数据与模型架构的系统性重构。 本岗位将主导大规模后训练范式、Agentic RL 以及数据演化策略的核心设计，打造兼具前沿思考能力与工业级Token效率的旗舰模型。 我们寻找的不是仅仅会跑 SFT/RL 流程的工程师，而是能从第一性原理出发，重构即时智能形态的架构师。

主要职责包括：

后训练范式与算法重构 1.主导万亿参数级模型的 SFT / RLHF / RLVR / Agentic RL 全流程算法演进； 2.构建“正确性 × 过程冗余”的复合奖励模型（Reward Modeling），探索 Token 效率与推理能力的平衡边界； 3.研发训推一体的大规模强化学习框架，提升分布式训练的稳定性与吞吐效率； 4.探索多目标优化与过程监督（Process Supervision）的前沿技术，实现模型价值对齐（Alignment）的精细化控制。

核心能力与 Agentic 智能演化 1.设计针对逻辑推理、长程规划及工具使用的专项训练策略； 2.提升模型在复杂指令遵循与创意写作上的表现； 3.构建高保真交互环境下的 Agentic RL 训练范式，适配主流智能体协议（如 Claude Code/OpenCode）； 4.突破即时模型在长上下文（1M+）与多轮对话中的记忆与推理瓶颈。

细粒度数据工程与闭环 1.构建 Rubric-driven 的数据合成与演化策略，实现从数据质量评估到清洗的自动化闭环； 2.设计基于 Fine-grained Rubric 的质量引导课程学习（Data Curriculum），提升训练效率与模型能力上限； 3.探索数据 Scaling Laws，通过高质量合成数据突破传统语料的边际效应。

工业落地与学术影响力 1.紧跟 LLM/RL 领域最前沿学术进展，推动技术在工业场景的规模化落地； 2.参与百灵核心开源项目建设，在顶级会议（ICML/NeurIPS/ICLR等）发表具有行业影响力的研究成果。

任职要求

1. 计算机科学、人工智能、数学等相关专业硕士及以上学历；深入理解 Transformer 架构及 SFT / RLHF /DPO / PPO / GRPO 等核心算法；熟悉 AI Agent 关键技术（如复杂规划、工具调用、记忆机制、RAG及多智能体系统等）；
2. 编码与工程能力： 1）熟练掌握 Python 和 PyTorch，具备分布式训练（多机多卡调优）经验；有高性能计算开发经验（如CUDA编程、SIMD指令优化）者更佳。 2）算法与数据结构功底扎实，能针对 LLM 场景优化核心算法（如Attention计算、KV Cache管理）的时空复杂度。 3）熟悉代码调试与性能分析工具（如 gdb/pdb,Nsight Systems, PyTorch Profiler）；
3. 学术与科研能力： 1）以第一作者在 NeurIPS, ICML, ICLR, ACL等顶会或顶刊（CCF-A类）发表过论文。2）获国际级学术或竞赛奖项者优先（如顶会Best Paper、ACM/ICPC金牌、Kaggle Master等）；
4. 实践经验（加分项）： 有头部科技公司或知名 AI 实验室大模型或 Agent 算法相关实习经验者优先。

特色标签

Agent强化学习、AI对齐、Python、人类反馈强化学习、价值反馈强化学习、价值对齐、分布式计算、分布式训练、参加算法相关竞赛/获奖、发表算法相关优秀论文、基于人类反馈的强化学习、基于价值反馈的强化学习、基于智能体的强化学习、大型语言模型、大模型算法、奖励函数建模、奖励建模、并行计算、强化学习、指令微调、推理过程监督、智能交互、智能体、智能体强化学习、有监督微调、模型加速/性能优化、模型后训练、模型对齐、模型对齐训练、深度学习、算法工程化经验、自然语言处理算法、评估标准驱动、过程监督、量规驱动