工作职责
本岗位将专注于大模型的前沿算法研究、训练优化与业务落地，核心目标是通过大模型技术提升软件研发效率与质量。主要职责包括：

大模型能力构建与优化： 负责研发提效场景所需的大模型核心能力，深入研究与实践大模型的指令微调（SFT）、强化学习对齐（RLHF）、知识蒸馏等训练与优化技术。

数据体系建设： 主导高质量数据的挖掘、清洗与利用，探索数据自动/半自动合成方案，构建并维护用于模型训练的高质量数据集。

智能体（Agent）与前沿探索： 负责Agent的设计、端到端训练与应用落地，持续跟进大模型领域最新技术动态，探索下一代AI驱动的研发模式。

评测与应用落地： 设计针对代码场景的原子任务及全链路任务的评测方法，并将大模型能力落地到具体应用场景，如：IDE代码补全、代码问答、代码自动修复、漏洞检测、场景化Agent等。

技术研究与应用： 持续跟踪LLM（大语言模型）和VLM（视觉语言模型）等领域的前沿进展，推动最新技术在业务场景中的快速实验与落地。

任职要求
必要条件：

教育背景： 计算机科学、人工智能、自然语言处理等相关专业硕士及以上学历。

技术基础： 具备优秀的编程能力、数据结构和算法功底，熟练掌握Python/Go/Java等至少一门主流编程语言。

专业知识： 深入理解NLP和机器学习基础，熟悉大模型相关技术栈（如Transformer、SFT、RLHF等），并对至少一个方向有实践经历。

问题解决能力： 拥有出色的问题分析和技术攻关能力，具备强烈的自主探索精神和创新意识。

团队协作： 具备良好的沟通能力和团队协作精神，能够与团队共同探索并推动技术进步。

优先条件：

竞赛/论文背景： 在ACM/ICPC、Kaggle等知名算法竞赛中获奖，或在ACL/EMNLP/ECCV/CVPR等会议上有论文发表者优先。

项目经验： 在大模型领域，具备以下任一经验者优先：

有代码大模型基座训练/微调经验。

有强化学习结合大模型（RLHF）的落地经验。

有Multi-Agent、Tool-Use等前沿应用的项目经验。

技术广度： 对视觉语言模型（VLM）或图像生成（如Stable Diffusion）等相关技术栈有了解者优先。