职位描述：
1.针对大模型在推理、生成、指令遵循等方向的核心问题，能够提出创新性的想法并设计实验验证；探索提升模型能力的新方法与新范式；
2.与数据标注团队紧密协作，设计标注方案与质量标准；通过数据分析发现模型能力短板，针对性地构建训练数据，形成”数据-训练-评测”的能力提升闭环；
3.参与强化学习（RL）在大模型对齐与能力提升中的应用研究，探索 RLHF/RLAIF、过程奖励、偏好学习等方法的优化路径；
4.持续跟踪大模型领域的前沿进展，快速复现并评估业界最新方法，推动有价值的研究成果落地。
职位要求：
1.面对问题能够独立分析并提出自己的 idea，具备从 0 到 1 推动研究的能力；
2.能够快速将想法转化为可运行的原型，具备高效的实验迭代能力；
3.了解强化学习基本概念与常用算法（如 PPO、DPO、Actor-Critic 等），有相关实践经验者优先；
4.熟练掌握 Python、C/C++，熟悉 PyTorch 等深度学习框架；
5.善于跨团队沟通，能够与数据标注、工程团队高效配合。
加分项：
1.有大模型预训练、微调、对齐相关研究或项目经验；
2.在顶会（NeurIPS、ICML、ICLR、ACL 等）发表过论文；
3.有 Agent 系统、工具调用、代码生成相关研究或实践背景；
4.深度使用过 Claude Code、Cursor 等 AI 编程工具，对模型能力边界有实践认知；
5.参与过知名开源项目或有活跃的 GitHub 贡献。
