【岗位要求】

1.专业计算机、机器学习，运筹学等方向相关，博士及硕士优先；

2.较强的代码能力，具有较强的模型Post-training（SFT、DPO、PPO等）训练及相关数据处理经验；

3.实战经验Python以及Pytorch等深度学习框架；

4.熟悉Transformer架构以及大语言模型基础知识；

5.善于平衡研究目标及落地实现，且结果导向；

6.良好的沟通和合作能力；

7.关注技术影响力，具有开源开放精神。

【加分项】

1.有强化学习如MCTS, PPO, SAC等实战经验；

2.曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL、CVPR、ECCV、OSDI、SOSP等；

3.有知名开源库的开发、贡献或维护经验；

4.在ACM、Kaggle、天池等竞赛中获奖。

备注说明：

杉数科技运筹优化大模型算法工程师， 共同推动AI在大语言模型数学建模，运筹优化大模型的持续迭代与改进：包括SFT, Reward模型，DPO对齐及训练研发，保证模型的基础能力，以及应用RLHF 相关研究提升模型上限，并探索模型在如数学建模，运筹优化等复杂场景的推理能力。

【工作地点】上海

【岗位职责】

1.开展日常数据迭代实验，如数据合成，SFT, 持续快速提升模型的基础能力并应用于业务场景；

2.进行Post-training的框架搭建与迭代，如Process reward model 训练策略，如模型蒸馏策略、MOE训练策略等；

3.开展RLHF、Multi-Agent RL、Self-play RL等研究，提升Reward Signal丰富度和质量，并设计、执行和分析实验，从而提升模型能力上限，包括但不限于提升模型的逻辑推理、幻觉抵抗、人类偏好等能力；

4.参与开发 Post-training 所需工程框架开发，如 RLHF 框架、开源相关Post-training框架适配等；

5.参与相关领域模型能力评测及评测数据和评估标准的迭代，持续跟进国内外最新测评和模型使用反馈；

6.开发实验、研究、评测、内部部署相关的工具，帮助团队提升效率要求。