米哈游LLM Post-train 算法研究员 - 星布谷地

工作描述

任职要求
1）硕士及以上学历，计算机科学、人工智能、机器学习、NLP 或相关专业
2）3年以上大模型训练或 NLP 算法相关经验，有 SFT、RLHF/DPO、Reward Model 训练的实际项目经验
3）熟悉 Transformer / MoE 架构原理，熟练使用 PyTorch 及主流大模型训练/推理框架（如 DeepSpeed、Megatron-LM、VeRL、Slime、vLLM、SGLang 等）
4）具备优秀的工程实现能力，能够独立设计和搭建训练流水线，快速复现和改进前沿算法
5）对数据质量敏感，具备高质量 SFT/偏好数据构建经验，了解数据对模型效果的影响机制
6）具备扎实的强化学习基础，理解 PPO/DPO/GRPO 等算法原理，有将 RL 方法应用于语言模型对齐的实践经验
7）具备良好的分析和调试能力，能定位训练过程中的稳定性、收敛性和效果问题

加分项
1）有对话系统…