大模型后训练青年研究员/工程师

面向安全、代码和复杂工程场景，研究大模型智能体后训练与 Agentic RL 技术，负责从任务、环境和训练到评测及系统优化的完整技术链路，推动模型能力、安全性与训推效率协同提升。

1.负责安全场景及长程复杂任务下的大模型后训练和 Agentic RL 技术研究，制定技术路线并推动落地；
2.建设任务定义、数据与轨迹构建、奖励及验证器设计、强化学习和评测分析等后训练全链路；
3.研究长程任务中的探索效率、稀疏奖励、信用分配、奖励投机、风险决策和异常恢复等问题；
4.规划分布式 rollout、在线强化学习、模型推理和任务环境等训推基础设施；
5.研究安全机制对训练吞吐、推理时延、有效轨迹比例和资源利用率的影响，优化能力—安全—效率之间的平衡。

1.熟悉大语言模型、强化学习和智能体技术，对大模型后训练具有系统性理解；
2.熟悉 SFT、RLHF/RLAIF、DPO、PPO、GRPO、在线强化学习等方法中的一种或多种；
3.具有完整的大模型后训练、Agentic RL 或复杂智能体项目经验，能够覆盖任务、环境、训练和评测等环节；
4.熟练使用 Python、PyTorch 等工具，了解分布式训练、模型推理或 rollout 系统；
5.具备较强的问题定义、技术判断和独立推进能力，能够负责完整研究或工程项目。

加分项
有长程任务 Agent、Coding Agent、Computer-Use Agent 或多智能体系统经验；
有分布式 rollout、推理加速、过程奖励、自动验证器或训练数据闭环经验；
有智能体安全、模型红队、提示注入防御、工具安全或权限控制经验；
在人工智能或安全领域有高水平论文、重要产品或高质量开源成果。