首席AI科学家（大模型后训练）

【你要做什么】

在 Qwen 基座上，将 CPT（持续预训练）、SFT（监督微调）、RL（强化学习）打造成可周迭代的工业流水线，让 AI 角色在互动娱乐场景中更会聊天、人设更稳、更懂“演绎”。我们需要一套专属于角色世界的后训练体系：能系统性解决人设一致性、情感节奏、长期记忆与行为、安全边界、多智能体（Multi-Agent）互动等问题。

【核心职责】

1. 后训练全链路技术领导（Owner）

-持续预训练（CPT）：制定领域/角色语料、世界观、互动轨迹的持续预训练策略与数据配方。

-监督微调（SFT）：主导多轮角色对话、剧本式监督、工具/Agent 轨迹及风格格式控制的数据构建与训练。

-强化学习（RL）：推进偏好对齐（DPO/KTO 等）与在线 RL（PPO/GRPO/DAPO 等），设计并优化奖励模型与自动评判器（Auto-Judge）。

2. Qwen 系工程化落地

-以 Qwen 开源权重与生态（ms-swift / Megatron-SWIFT 等）为默认技术栈，跑通并优化 7B–72B（及 MoE）量级的可复现实验。

-建立数据版本管理、评测集、Checkpoint 门禁机制，以及 A/B 测试与线上影子（Shadow）评测闭环。

3. 产品科学指标体系共建

-与产品/运营团队共同定义可回归的产品指标，包括但不限于：人设漂移度、情感价值、留存相关对话质量、拒答边界合理性、多角色一致性等（超越传统 MMLU/Arena 评分）。

4. 团队管理与技术布道（约占 20–30% ）

-领导并培养一支 5–15 人的后训练/数据/评测小队。

-主导关键技术分享，输出论文、技术博客，进行开源贡献；代表公司在行业峰会发声，提升技术影响力。

【任职要求】

硬性条件

● 学历：计算机、人工智能或相关专业硕士及以上学历，博士优先。

● 经验：5 年以上大模型或序列模型经验，其中至少 2 年专注于后训练（SFT/RLHF/DPO/Online RL）并具有一手实操经验。

● 项目：主导或深度参与过至少一条亿级 Token 或工业级多阶段训练/对齐 Pipeline。

● 工程：熟悉至少一类大规模训练框架（如 Megatron、DeepSpeed、FSDP、ms-swift 等），具备阅读和修改底层训练代码的能力。

● 基座：对开源 Qwen 系列有实际操作经验，或具备其他同等基座（如 Llama）的迁移能力。

加分项

● 在顶级会议（NeurIPS、ICML、ICLR、ACL、EMNLP 等）发表过后训练、对齐、对话或 Agent 相关论文。

● 拥有 Character AI、Companion AI、角色扮演或多 Agent 互动等落地经验。

● 具备公开技术影响力（如知名开源项目贡献者、高关注度技术博客、社区公认专家）。

● 能够使用中英双语进行高效技术沟通与对外演讲。

【团队协作】

● 直接向 CEO/CTO 汇报，与产品、创作平台、评测、安全、基础设施等团队紧密协同。

● 计算资源与数据预算单独规划，入职时可明确 GPU 配额与数据采购权限。

【我们不要】

● 只会调用 API / 调整 Prompt，缺乏训练代码与数据配方实际经验者。

● 仅专注于通用 Coding/Math 对齐，对娱乐、情感、角色场景毫无兴趣或不愿涉足者。

● 只求挂名，不亲自参与核心实验、不深入复盘技术细节者。

【你的成果】

-90 天：在 Qwen 基座上，CPT+SFT+至少一种 RL 配方可复现跑通，内部 Baseline 全面超越“仅靠 Prompt / 仅靠 SFT”的方案。

-180 天：角色一致性、情感节奏、多轮沉浸感等核心产品指标获得稳定增益，并通过线上对照实验验证。

-12 个月：形成一套可迁移的后训练操作手册（Playbook）；对外发布具有行业影响力的技术内容（论文/博客/开源/演讲，至少完成 2 项）。

【你将获得】

● 具有市场竞争力的薪酬：现金 + 股权 / 长期激励

● 签字与阶段性激励可议

● 工作城市与驻场安排可在面试中沟通