以上为北京时间。链接检查不代表仍在招聘，申请前请以招聘官网为准。
按这个岗位的城市和方向提醒，确认后才开启，可选择每日或每周。
【地瓜机器人】Agent算法工程师（后训练方向） 岗位职责：1. 模型后训练（占60%）：运用 SFT、DPO、GRPO、RLHF 等后训练方法对大语言模型进行微调和对齐，参与高质量训练数据构建，设计 Reward Function 和评估指标；
岗位职责：
岗位定位
1-3 年经验，主算法（模型训练/优化）+ 懂 Agent 系统，能独立完成从数据到模型到 Agent 集成的闭环。
岗位职责
1. 模型后训练（核心，占 60%）
- 运用 **SFT、DPO、GRPO、RLHF** 等后训练方法对大语言模型进行微调和对齐，提升模型在特定场景下的指令遵循、推理和生成质量
- 参与高质量训练数据的构建：数据合成、清洗、去重、配比，搭建可持续迭代的数据 pipeline
- 设计合理的 **Reward Function** 和评估指标，建设可量化的模型评测体系
- 跟踪后训练前沿技术（如 Agentic RL、Long CoT、拒绝采样等），进行技术预研和落地验证
2. Agent 系统（占 40%）
- 参与 AI Agent 的核心模块开发：意图识别、任务拆解、工具调用（Function Calling）、ReAct 推理链路
- 基于 MultiAgent 架构搭建多智能体协作流程，解决复杂任务的分解与编排
- 将后训练模型集成到 Agent 系统中，基于实际使用反馈驱动模型迭代优化
- 参与 Agent 效果评估：任务完成率、工具调用准确率、多步推理成功率等指标建设
任职要求：
任职要求
必要条件
- 计算机、人工智能、数学等相关专业，本科及以上学历，**硕士优先**
- 1-3 年大模型 / NLP / RL 相关研发经验
- 扎实的 **Python** 编程能力，熟练使用 **PyTorch** 深度学习框架
- 熟悉大模型训练流程：SFT 微调、偏好对齐（DPO/RLHF）、分布式训练（DeepSpeed/Megatron）
- 熟悉主流大语言模型（Qwen、DeepSeek、Llama 等）的使用和微调
- 了解 AI Agent 基本原理：ReAct 范式、工具调用、记忆机制、多智能体协作
加分项
- 有大模型后训练的一线实战经验（SFT 数据构建 + 训练 + 评估完整闭环）
- 熟悉 RL 训练框架（**verl / openRLHF / TRL**），有 GRPO/PPO 实际调参经验
- 使用过 Agent 框架（LangChain / AutoGen / LlamaIndex / CrewAI 等），有 Agent 产品落地经验
- 有高质量数据集构建经验（数据合成、标注规范设计、数据飞轮搭建）
- 在 NLP/RL 顶会有论文发表或在开源项目有贡献
【职位类别】软件序列
【招聘项目】地瓜正式岗位招聘
【所属公司】地瓜机器人
任职要求
必要条件
- 计算机、人工智能、数学等相关专业，本科及以上学历，**硕士优先**
- 1-3 年大模型 / NLP / RL 相关研发经验
- 扎实的 **Python** 编程能力，熟练使用 **PyTorch** 深度学习框架
- 熟悉大模型训练流程：SFT 微调、偏好对齐（DPO/RLHF）、分布式训练（DeepSpeed/Megatron）
- 熟悉主流大语言模型（Qwen、DeepSeek、Llama 等）的使用和微调
- 了解 AI Agent 基本原理：ReAct 范式、工具调用、记忆机制、多智能体协作
加分项
- 有大模型后训练的一线实战经验（SFT 数据构建 + 训练 + 评估完整闭环）
- 熟悉 RL 训练框架（**verl / openRLHF / TRL**），有 GRPO/PPO 实际调参经验
- 使用过 Agent 框架（LangChain / AutoGen / LlamaIndex / CrewAI 等），有 Agent 产品落地经验
- 有高质量数据集构建经验（数据合成、标注规范设计、数据飞轮搭建）
- 在 NLP/RL 顶会有论文发表或在开源项目有贡献
软件和信息技术服务业
