大模型后训练工程师（Post-Training）

岗位：大模型后训练工程师（Post-Training）
招聘单位：集团业务-通用研发
招聘类型：实习
工作地点：南京市
学历要求：硕士
工作经验：1年及以下
发布时间：2026-10-25
职位描述：主要职责
1、负责后训练数据体系从 0 到 1 的搭建与持续迭代，覆盖数据采集、解析、清洗、去重、质量打分与过滤、难度分层、配比编排与课程式训练设计，形成标准化、可复用、可追溯的数据生产流程。
2、负责训练、偏好与评测三类数据的构造：SFT 指令数据、偏好对比数据、可验证奖励数据及评测集；制定标注规范与验收标准，管理标注进度与一致性，确保数据交付质量。
3、负责大模型后训练，覆盖 SFT、RLHF/RLVR、DPO、PPO、GRPO 等主流对齐方法的选型、实现与消融验证，持续提升模型在指令遵循、推理、长文本与安全对齐等方面的表现。
4、跟踪领域前沿技术，包括 RL Scaling、可验证奖励、长思维链与蒸馏、模型合并等方向，并撰写调研总结；协助整理技术文档、实验记录与测试报告，配合完成功能与性能测试，确保迭代过程可追溯。

加分项
1、有十亿参数以上模型后训练或强化学习训练的实际落地经验，熟悉 vLLM/SGLang 等推理框架与大规模分布式训练调优。
2、在 ACL、EMNLP、NeurIPS、ICLR 等会议发表过相关论文，或有高质量开源项目贡献。
3、有幻觉治理、长上下文压缩、RAG 与后训练联合优化等相关经验。
任职要求：任职资格

1、计算机科学、软件工程、人工智能、数学或相关领域硕士及以上学历。

2、深入理解大模型后训练的核心逻辑，熟悉 SFT、RLHF、DPO/PPO/GRPO 等方法的原理、训练流程与适用边界。

3、具备扎实的数据处理经验，熟悉数据清洗、去重、质量评估、合成数据生成、数据配比等环节，能够独立搭建并优化数据 pipeline。

4、精通 Python 开发，熟练掌握主流大模型架构与 PyTorch，熟悉 TRL、verl、DeepSpeed、Megatron-LM 等至少一种训练或微调框架，了解 LoRA/QLoRA 等高效微调方案。

5、具备较强的问题解决能力和团队合作精神，能在快速迭代的环境中高效闭环相关问题。