大模型后训练算法专家（北京/上海/苏州/深圳/广州）

该职位来源于猎聘 岗位职责 1. 负责自动驾驶VLA大模型、端到端规控模型的全流程后训练研发，包括监督微调（SFT）、多模态对齐、离线强化学习、驾驶偏好对齐，实现基座模型向可量产驾驶模型的能力转化； 2. 面向自动驾驶AI应用场景的大模型微调，优化PostTraining(SFT/RM/RL)算法的训练效率和实际用户体验效果；搭建驾驶专属奖励函数与对齐策略，基于RLHF/RLAIF、模仿学习等技术，优化模型交互决策能力。 3. 负责后训练高质量数据集建设，挖掘路测失效case、人机接管数据、高危长尾场景，完成样本筛选、清洗、蒸馏、扩充，持续优化训练样本分布，提升模型长尾泛化能力。 4. 联动感知、规控、测试、HIL仿真团队，搭建模型量化评测体系，完成模型版本迭代、仿真验证、实车落地与效果复盘，形成数据-模型-迭代的闭环体系。 5. 研究各领域高质量数据的自动化合成方法，建设高效的线上数据飞轮链路，跟进端到端规控前沿技术，持续优化后训练框架，迭代模型驾驶认知与动态交互能力。 任职要求 1. 硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业，2年及以上大模型微调、对齐、强化学习相关工作经验，博士优先； 2. 精通大模型后训练全流程，熟练掌握SFT、多模态微调、RLHF、离线强化学习、模仿学习等核心技术，具备完整的模型对齐落地经验； 3. 熟悉VLA/VLM多模态模型、时序生成模型架构，深入理解LLM技术栈(如SFT、RM、RLHF、数据合成等)； 4. 熟悉Python/PyTorch，以及 Transformer、MoE等核心网络架构;具备扎实的代码能力(Python/C++)，熟悉分布式微调、模型优化、训练调优，具备海量数据处理与实验迭代能力； 5. 具备极强的问题定位与算法优化能力，可独立负责专项技术攻关与版本迭代； 加分项 1. 有自动驾驶端到端模型、VLA驾驶大模型后训练量产迭代经验； 2. 有具身智能、视觉动作对齐、仿真训练落地经验； 3. 熟悉智驾数据闭环、HIL仿真评测、模型量产部署流程；