# 资深大模型算法工程师（NLP/LLM）

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 网易 (Stage unknown)
- Locations: 杭州
- Role: Algorithm
- Apply on the official site: https://hr.163.com/job-list.html

## Role description from source

1、架构设计与模型落地：主导AI虚拟陪伴系统的整体技术架构设计，重点负责大语言模型（LLM）在对话系统中的深度落地，确保模型能力在产品体验层面的高效转化。
2、LLM后训练与对齐：负责基座大模型的后训练（Post-training） 阶段工作，包括但不限于监督微调（SFT）、奖励模型（RM）训练，以及基于人类反馈的强化学习（RLHF）或直接偏好优化（DPO），解决模型在虚拟陪伴场景下的角色一致性、情感理解与个性化表达问题。
3、强化学习与决策优化：探索强化学习（RL）在对话策略中的应用，利用强化学习优化模型在长程对话中的推理（Reasoning）能力与决策过程，提升交互的拟人化程度与逻辑连贯性。
4、记忆管理与RAG优化：完善记忆管理机制，实现关键事件、用户偏好的高效存储与检索。负责RAG系统的工程化落地，结合向量数据库与检索策略优化，为强化学习和微调阶段提供高质量的数据支持，提升内容生成的个性化与时效性。
5、性能与资源调度：主导系统性能优化，解决高并发场景下的低延迟响应与推理资源调度问题，保证线上服务的稳定与高效。
职位要求
1、学历与经验：硕士及以上学历，计算机科学、人工智能等相关专业，具备NLP、多模态交互领域深度实践经验。
2、LLM后训练专长：
- 深入理解主流大模型架构（如Qwen、LLaMA、ChatGLM等）；
- 精通大模型后训练全流程，尤其在RLHF/DPO方面有实际落地经验，熟悉PPO、DPO等强化学习算法在语言模型中的调参与应用；
- 熟悉LoRA、QLoRA等高效微调技术，能根据场景平衡模型性能与训练成本。
3、强化学习（RL）基础：掌握强化学习基本原理，了解其在语言模型推理（如RLHF中的推理环节、过程奖励模型PRM）或多轮对话决策中的应用，有相关研究或项目经验者优先。
4、RAG与多模态技术：精通RAG系统的工程化实现，掌握向量数据库（如Milvus、Faiss）与检索优化策略。熟悉多模态对齐技术（如CLIP），有多模态生成（文本-图像/视频）或多模态语言模型落地经验者优先。
5、加分项：有复杂对话系统、虚拟陪伴产品或情感计算相关项目的落地经验；在强化学习与语言模型结合方向（如RLHF、RLAIF）有深入研究成果或顶会论文者优先。
官方顶部字段
学历：硕士
年限：3-5年

---
opening_id: 03d4b2b8-0fe9-4b25-bdf3-2f80d765158c

`anm openings save --id 03d4b2b8-0fe9-4b25-bdf3-2f80d765158c`