后训练算法工程师

岗位职责
负责遥感 LLM / VLM 的后训练，包括 SFT、Reward Modeling、RLHF、RLAIF、DPO、GRPO 等；

设计奖励函数、偏好数据和训练策略，提升模型的指令遵循、遥感图像理解、多步推理及工具使用能力；

构建偏好数据生产闭环，包括数据采集、自动生成、人工标注、质量控制、难例挖掘与迭代回流；

探索 Tool Calling、Agent Trajectory 和 Reasoning Data 的后训练方法，增强模型完成区域查询、影像分析和多步骤任务的能力；

构建覆盖任务效果、奖励欺骗、幻觉、记忆准确率、记忆召回率和长程任务成功率的评测体系；

负责多卡训练、实验设计、消融分析和训练稳定性优化，沉淀可复现的训练与评测代码。

岗位要求
熟悉 Python、PyTorch，具备良好的模型训练、实验分析和 Debug 能力；

熟悉 Transformer、LLM / VLM 及主流多模态模型架构；

熟悉 SFT、LoRA / PEFT，并了解 RLHF、DPO、GRPO、Reward Model 等一种或多种后训练方法；

具备数据构造、奖励设计、训练采样、模型评测和误差分析能力；

能独立阅读英文技术文档和论文，完成算法复现与实验验证。

加分项

有 PPO、GRPO、DPO、RLHF / RLAIF、Reward Model、过程奖励或可验证奖励相关经验；

熟悉 TRL、OpenRLHF、verl、DeepSpeed、Megatron-LM、LLaMA-Factory、vLLM 等框架；

有 Qwen-VL、InternVL、LLaVA、DeepSeek、Llama 等模型后训练经验；

有顶刊顶会论文、开源项目或大模型落地经历。