大模型知识底座与智能体（Agent）专家 北京 全职 研发 - 算法 职位描述 1. 主导企业级知识底座建设： 负责 ToB 业务场景下核心知识库与 RAG（检索增强生成）系统的数据体系搭建，建立高效、高准确度的企业私有文档知识加工流水线；2. 优化 Agent 落地效果： 针对 Tool Learning（工具调用）、Task Planning（任务规划）、Reflection（自我反思）等复杂智能体场景，设计并构建全链路的指令交互与多轮对话数据支撑，提升模型在 B 端业务中的实际交付表现；3. 沉淀行业专家知识： 负责将结构化（数据库、API）与非结构化（文档、知识库）的企业核心资产转化为大模型可理解的高质量对齐数据，推进长文本检索、多源检索及拒答机制的落地；4. 全链路数据精细化治理： 设计并实现自动化数据清洗、Chunk 切片优化、指令微调（SFT）样本及偏好（DPO/GRPO）数据的治理方案，通过实验指标驱动知识底座的迭代升级；5. 支持 ToB 项目交付： 深入理解 B 端客户的实际业务痛点（如准确率要求高、容错率低等），与产品和交付团队紧密配合，确保模型与底座能力高效、高质地落地到客户生产环境中；6. 技术前沿跟踪： 跟踪大模型知识工程、Agent 架构及自动化数据生产领域的最新进展，并结合 B
算法工程师 - LLM后训练 Beijing Full-time R&D - Algorithm Responsibilities 参与公司AI算法相关工作，专注于提升大语言模型（LLM）的生成质量，推动技术创新和产品落地，具体职责包括但不限于：1. 监督微调：深入研究和实施大语言模型（LLM）的SFT、RFT等技术方案，优化AI的情感表达能力和剧情设计能力，突破长期记忆、行为一致性等技术难点2. 奖励模型：基于海量用户交互日志和反馈数据，深入挖掘真实用户偏好信号，构建高质量的偏好数据集；设计并实现包括生成式奖励模型（GRM）、过程奖励模型（PRM）等在内的多维度奖励函数3. 强化学习：深入理解PPO、DPO、GRPO等常用LLM强化学习方法，结合具体业务目标（如上下文一致性、逻辑正确性、OOC等），设计定制化的奖励组合与训练策略4. Agent：面向复杂、多步骤的业务场景，设计并实现基于大语言模型的Agent架构；集成工具调用（Tool Use）、记忆机制（Memory）、反思（Reflection）、多智能体协作等范式实现复杂任务的能力跃迁 Qualifications 1. 优秀的代码能力、数据结构和基础算法功底，熟练C/C++或Python，ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；2. 熟悉NLP、CV相关的算法和技术，熟悉大模型训练、RL算法者优先；3. 在虚拟角色生成、角色扮演、情感陪伴等方向有项目经验或论文成果者优先；4. 能系统性拆解角色类模型在生成一致性、长期记忆等场景的挑战，提出创新解决方案；5. 具备较强自驱力，能与产品、算法团队紧密协作，推动技术从研究到落地的全链路闭环。 Apply...
