九方云

岗位职责：1. 参与大语言模型（LLM）后训练流程的开发与落地，包括 SFT、RLHF/DPO/PPO 对齐训练、指令微调、领域适配等；协助构建后训练数据管线（数据筛选、质量评估、配比策略），跟进 ORPO、KTO、SimPO、Iterative DPO 等前沿方法进行实验验证与效果提升。 2. 参与模型核心评测指标的定义与跟踪（如 C-Eval/MMLU/GSM8K 及业务自建 benchmark），协助搭建自动化评测体系，针对准确率、幻觉率、安全性、指令遵循度、推理能力等维度优化实验，参与设计 A/B 实验方案并结合线上反馈进行指标归因分析。 3. 学习使用 DeepSpeed/Megatron-LM/vLLM 等框架进行分布式训练与推理优化，参与训练吞吐、显存占用、checkpoint 管理等工程优化；实践 LoRA/QLoRA/全参数微调等不同策略，探索效率与效果的平衡。 4. 持续跟踪学术界与工业界最新进展，定期输出技术调研与实验报告，快速复现关键论文方法，评估其在业务场景中的适用性。 任职要求：1. 2027届应届毕业生，计算机科学、人工智能、统计学、数学等相关专业本科及以上学历。 2. 编程基础扎实，熟练使用 Python，了解 PyTorch/Hugging Face Transformers；理解 Transformer 架构原理，对 Qwen、LLaMA、ChatGLM、DeepSeek 等主流开源大模型有一定了解。 3. 具备基本的模型评测概念，了解常见 Benchmark 及评测方法，对大模型后训练（SFT/RLHF/DPO 等）有学习热情与探索意愿，自我驱动力强，具备良好的沟通能力与团队协作精神。 4. 有 NLP/强化学习/模型对齐方向研究经验、大模型微调或后训练实习及完整训练项目经验、熟悉 DeepSpeed/Megatron-LM 等分布式训练框架或 vLLM/TensorRT-LLM/SGLang 等推理加速方案者优先。