职位描述

1. 面向有道词典、词典笔、学习规划等产品线，负责 Agent 能力的整体方案与核心算法研发，包括任务分解、计划-执行/反思循环（Plan-Execute / ReAct / Reflection）、长短期记忆与工具路由等。

2. 负责 SLM（Small Language Model）持续预训练与指令微调（SFT），构建高效压缩与蒸馏方案，面向端侧/低延迟场景优化推理效率。

3. 设计与实现工具调用（Function/Tool Calling）体系：工具编目与路由、参数填充、结果验证与回退、调用链追踪与可观测性，提升工具使用的成功率与收益。

4. 基于强化学习（PPO/GRPO/DPO 类方法等）与奖励建模，面向语义理解、工具使用成功率、内容生成质量等目标进行对齐与优化，支持离线/在线策略迭代。

5. 负责 RAG 链路中的辅助模型研发与优化：统筹文档解析与检索排序能力。针对复杂排版内容（如学术论文、教辅、试卷）进行版面分析、OCR、表格/公式识别的模型微调；同时负责语义检索（Embedding）、重排（Rerank）及学习排序（LTR）模型的迭代，为 Agent 提供高质量的结构化数据与精准的上下文。

6. 负责大模型全链路的数据工程与处理：主导高质量数据的合成（Synthetic Data）、清洗、去重与治理；构建并优化用于 SFT、对齐及评测的数据集（如工具调用轨迹、复杂推理过程数据等）；设计策略采样、难例挖掘与失败案例回放的反馈闭环。

7. 建立系统化评测体系：离线基准（理解/工具成功率/可用性）、端到端任务评测、A/B 实验与线上指标监控，推进效果持续迭代。

8. 推动工程化落地与跨团队协作：负责训练管线并行、推理服务化与端侧加速；与产品、工程团队紧密配合，推进算法落地，持续提升用户体验与业务指标。

职位要求

1. 硕士及以上学历，计算机、人工智能、机器学习等相关专业（优秀者可放宽至本科）。

2. 精通 Python，熟练使用 PyTorch 等深度学习框架，具备良好的代码风格与架构设计能力。

3. 具备 LLM/SLM 训练与微调经验，熟悉 SFT、对齐与强化学习相关方法（如 PPO/GRPO/DPO 等）的原理与实践。

4. 熟悉 Agent 体系与典型范式（Plan-Execute、ReAct、工具调用/函数调用、记忆与检索增强），能将算法设计与实际教育/学习场景有效结合。

5. 具备扎实的辅助模型（检索排序与多模态解析）实战经验：熟悉向量检索（BM25/Dense Retrieval）、重排（Cross-Encoder）及点击转化建模；熟悉 OCR 与版面分析（如 LayoutLM、Marker 等），能有效解决复杂长文本与多模态信息的提取难题。

6. 具备强大的数据处理与工程能力：精通大规模数据清洗与清洗规则编写，熟悉高质量数据合成方案，对数据质量敏感，能独立搭建数据飞轮与难例挖掘体系。

7. 具备良好的问题分解与实验设计能力，能在不完美数据与复杂约束下推进落地；主动负责，抗压能力强，善于沟通与协作。