# 大模型算法研究员(J11069)

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: 云知声 (Stage unknown)
- Locations: 南京
- Role: Algorithm
- Apply on the official site: https://unisound.zhiye.com/social/detail?jobAdId=8a661f12-e0db-4746-8bda-071b68317a4d

## Role description from source

岗位职责：
1、核心模型演进： 负责通用/领域大模型的全生命周期研发，包括超大规模指令微调（SFT）及偏好对齐（Alignment）；
2、Agentic RL 研发： 针对智能体场景，研究并实现基于强化学习的决策模型。重点解决 Long-horizon Reasoning（长程推理）、Tool-use（工具调用）和 Self-correction（自我纠错）在复杂多轮交互中的表现；
3、对齐算法创新： 探索和落地超越 DPO/PPO 的最新对齐技术（如 GRPO, DAPO, Online RLHF），通过构建高精度的 Reward Model 提升模型在逻辑、代码及 Agent 任务上的胜率；
4、合成数据管线： 利用 Teacher-Student 架构，通过 AI-native 方法构建针对 Agent 动作轨迹、反思闭环的高质量合成训练集；
5、前沿跟踪： 紧跟 OpenAI o-series, Claude Opus 等最新推理模型技术路径，将长推理链、系统性思维等能力注入开源基座。"
职位要求
学术背景： 计算机、数学、统计学或相关专业硕士/博士学位；在顶级会议（NeurIPS, ICLR, ICML, ACL）发表过高质量论文者优先。

1、模型训练功底： 具备Deepseek, Qwen, GLM 等主流开源大模型的实战微调经验，深刻理解 Transformer 架构及注意力机制的演进。等主流开源大模型的实战微调经验，深刻理解 Transformer 架构及注意力机制的演进；
2、强化学习经验： 熟练掌握 PPO, DPO, GRPO等强化学习算法在 NLP 领域的应用，能够独立解决 RL 训练中的不稳定性、奖励函数偏移（Reward Hacking）等挑战；
3、Agent 实战： 熟悉主流 Agent 框架（如 LangGraph, AutoGPT，ClaudeCode），有实际处理过评测集优化经验者优先；
4、工程能力： 熟练使用 Python/PyTorch，精通分布式训练工具链（DeepSpeed/Megatron），具备千卡规模下的模型并行、流水线并行调优经验。"

---
opening_id: 0499a14a-2913-44cf-b412-73c7b171eb18

`anm openings save --id 0499a14a-2913-44cf-b412-73c7b171eb18`