1. 模型后训练： 负责 LLM/多模态模型的 SFT 微调与 RLHF/DPO 等后训练过程，优化模型在特定领域下的指令遵循和逻辑推理能力；
2. Agent 专项优化： 针对 Agent 场景（如 Tool Use、多步规划），通过 强化学习（Agent RL） 手段提升模型决策的准确率和稳定性；
3. 效果评估： 建立模型能力评测基准，跟踪前沿对齐技术，持续迭代模型能力。
1. 计算机、人工智能、数学等相关专业，硕士及博士以上优先，优秀本科亦可；
2. 具备 NLP 或多模态方向经验，对 Transformer 架构及 LLM 训练/微调全流程有体系化理解；
3. 熟练掌握 Python，熟悉 LLaMA-Factory、DeepSpeed、Megatron 等主流训练框架及工具。
