日日噜夜夜草|一级黄色录像高清版|调教白富美加勒比久久|亚洲欧洲精品婷婷|日韩综合无码色色|日韩精品一区妖精视频|亚洲无码中文字幕hd|99亚洲思思丝袜|手机看片国产精品大胆亚洲|成人无码视频一区二区在线播放

崗位職責(zé)：
負(fù)責(zé)多Agent系統(tǒng)的意圖識(shí)別模型研發(fā)，設(shè)計(jì)Agent協(xié)作決策，以及上下文壓縮的算法框架
基于SFT技術(shù)優(yōu)化模型在多Agent場(chǎng)景下的指令跟隨和任務(wù)分解能力
使用RLHF（PPO/DPO等）技術(shù)進(jìn)行模型對(duì)齊，優(yōu)化Agent輸出質(zhì)量和一致性
構(gòu)建后訓(xùn)練數(shù)據(jù)pipeline，包括高質(zhì)量SFT數(shù)據(jù)標(biāo)注、偏好數(shù)據(jù)采集、Reward Model訓(xùn)練
設(shè)計(jì)并實(shí)現(xiàn)多Agent協(xié)作的評(píng)估體系，持續(xù)迭代優(yōu)化模型效果，減少token的消耗
跟蹤多Agent、RLHF領(lǐng)域的前沿研究，落地驗(yàn)證新技術(shù)方案
任職要求：
碩士及以上學(xué)歷，計(jì)算機(jī)、AI、數(shù)學(xué)等相關(guān)專業(yè)
必須有SFT和RLHF實(shí)際項(xiàng)目經(jīng)驗(yàn)，熟悉主流后訓(xùn)練框架（LLaMA-Factory/DeepSpeed-Chat等）
深入理解Transformer架構(gòu)、PPO/DPO算法原理，有Reward Model訓(xùn)練經(jīng)驗(yàn)
熟悉多Agent系統(tǒng)或意圖識(shí)別、壓縮上下相關(guān)算法（有相關(guān)論文/項(xiàng)目?jī)?yōu)先）
扎實(shí)的Python和PyTorch基礎(chǔ)，熟悉分布式訓(xùn)練
強(qiáng)數(shù)據(jù)sense，能獨(dú)立完成從數(shù)據(jù)構(gòu)建到模型評(píng)估的完整閉環(huán)
加分項(xiàng)：
有頂會(huì)論文發(fā)表（NeurIPS/ICML/ACL等）
參與過開源LLM項(xiàng)目的后訓(xùn)練工作
了解Constitutional AI、RLAIF等前沿對(duì)齊技術(shù)

周末雙休、五險(xiǎn)一金、彈性福利、帶薪病假、下午茶、零食、餐飲補(bǔ)貼、員工體檢、專業(yè)培訓(xùn)等