小红书【Dots】大模型算法工程师-Alignment/偏好对齐/Agent学习

工作描述

任职要求
任职要求
具备扎实的机器学习与深度学习基础，理解大语言模型训练和推理机制，有模型训练、后训练或相关算法研究经验。
熟练使用 Python 和 PyTorch 等深度学习框架，能够独立完成数据处理、训练实现、实验设计及效果诊断。
对 SFT、DPO 等偏好优化、奖励建模或强化学习中的至少一个方向有深入理解与实践，能够分析训练目标、数据分布和优化过程对模型行为的影响。
在幻觉、指令遵循、偏好对齐、搜索增强或 Agent 学习中的至少一个方向有积累，能将开放的行为问题转化为任务、学习信号与可检验的研究假设。
具备严谨的实验与分析能力，能够通过消融、独立测试及分场景评估识别真实收益，关注泛化、奖励投机与能力回退，而非只优化单一指标。
具备良好的研究主动性与跨专业协作能力，愿意深入分析模型轨迹，与人文训练师、评测和工程团队共同推进算法迭代。
加分项
有偏好优化、奖励模型、在线 RL 或多目标对齐研究经验，能深入分析偏好噪声、分布偏移和奖励泛化问题。
有幻觉抑制、置信度校准、搜索与验证策略学习，或复杂指令数据合成与约束验证经验。
有多轮工具调用、Agent 轨迹训练、过程奖励、长程信用分配或交互环境中的强化学习经验。
有相关论文、开源实现，或从问题发现、数据构建到训练评测的完整实践成果。

工作职责
关…