锦鲤求职岗位描述
岗位职责
1、数据体系建设：负责大模型预训练、后训练（SFT / RLHF）阶段的数据管线设计与实现，包括数据采集、清洗、去重、质量打分、配比策略及合成数据（Synthetic Data）生成，构建高质量领域数据资产；
2、后训练算法研发：主导或参与 SFT、DPO / IPO / KTO、PPO / GRPO 等偏好对齐与强化学习后训练算法的研发与调优，提升模型在指令遵循、推理、安全性等维度的表现；
3、模型微调与蒸馏：基于 LoRA / QLoRA / 全参微调等方式完成开源基座模型（Qwen、LLaMA、DeepSeek 等）的领域适配，通过模型蒸馏、量化压缩等手段产出高性能低成本的业务模型；
4、训练工程与优化：使用 Megatron-LM / DeepSpeed / FSDP / vLLM 等框架进行大规模分布式训练与推理优化，解决显存、吞吐、稳定性等训练工程问题；
5、评测体系构建：搭建覆盖通用能力与业务场景的自动化评测基准（Benchmark），建立"数据 → 训练 → 评测 → 迭代"的闭环优化机制；
6、前沿跟踪：持续跟进 LLM 后训练、数据工程、对齐算法等领域的前沿论文与开源进展，并在业务中落地验证。
岗位要求
任职要求
1、计算机、数学、统计等相关专业硕士及以上学历，2 年以上大模型/NLP 算法研发经验（优秀应届生可放宽）；
2、扎实的 Python 编程功底，熟练使用 PyTorch，深入理解 Transformer 架构及主流开源模型的实现细节；
3、熟悉至少一种大规模训练框架（Megatron-LM / DeepSpeed / FSDP），有百亿参数以上模型训练或微调实操经验者优先；
4、系统掌握 SFT、RLHF/DPO 等后训练流程，对数据质量、奖励建模、训练不稳定等问题有实际调优经验；
5、熟悉数据处理工具链（Spark / Ray / Dedup / 质量分类模型等），有大规模语料处理经验；
6、具备良好的论文阅读与复现能力，能快速将学术成果转化为工程实践；
7、责任心强，具备跨团队协作与沟通能力。
加分项
在 ACL / EMNLP / NeurIPS / ICLR 等顶会发表过大模型相关论文；
有垂直领域（代码、医疗、金融、法律、工业等）大模型从 0 到 1 的落地经验；
对主流开源社区（HuggingFace、vLLM、ms-swift、OpenRLHF 等）有代码贡献；
有 RL（PPO / GRPO）在推理模型（Reasoning Model）上的训练经验。