一．崗位職責
1. 參與智能家居相關(guān)的大模型Agent設(shè)計與應用，構(gòu)建包含意圖識別、復雜任務(wù)拆解、多步推理、ReAct工具調(diào)用、長短期記憶及智能推薦在內(nèi)的完整鏈路。
2. 運用SFT、RL等后訓練方法訓練強化垂域模型，提升大模型的多步推理、上下文遵循、ReAct工具調(diào)用、領(lǐng)域問答等能力。
3. 基于數(shù)據(jù)反饋構(gòu)建高質(zhì)量訓練數(shù)據(jù)，設(shè)計獎勵函數(shù)與優(yōu)化機制，提升模型在垂直領(lǐng)域的泛化能力，利用PPO/GRPO等算法建設(shè)基于強化學習的迭代路徑。
4. 跟蹤LLM與Agent領(lǐng)域的國際前沿技術(shù)(如多智能體協(xié)作、LongContext、CoT),推動前沿技術(shù)在業(yè)務(wù)中的應用落地。
5. 深度理解智能家居業(yè)務(wù)，沉淀通用、模塊化的算法能力，與產(chǎn)品、工程緊密溝通協(xié)作，推動業(yè)務(wù)迭代。
二．任職資格
1. 本科及以上學歷，計算機、人工智能等相關(guān)專業(yè)，具備扎實的數(shù)據(jù)結(jié)構(gòu)與算法基礎(chǔ)，3年以上相關(guān)工作經(jīng)驗。
2. 具備扎實的Python編程能力，熟練掌握PyTorch等深度學習框架，有優(yōu)秀的代碼規(guī)范與工程素養(yǎng)。
3. 熟悉LLM訓練全流程(Pre-train/CPT/SFT/RLHF),熟練使用主流訓練/推理框架(如Megatron-LM、DeepSpeed、vLLM、 Sglang等)。
4. 深入理解強化學習原理，熟悉PPO、DPO、GRPO等算法基本原理，熟悉基于RLVR的強化學習訓練者優(yōu)先。
5. 具備敏銳的技術(shù)視野，能夠?qū)⑶把厮惴ㄅc復雜的業(yè)務(wù)相結(jié)合，產(chǎn)出實際價值。
6. 具備良好的溝通協(xié)作能力，工作積極主動，具備較強的學習能力，可快速驗證新想法，推動技術(shù)進步。
三．加分項
1. 主導過基于ReAct/FunctionCall的Agent生產(chǎn)級應用開發(fā)。
2. 在大規(guī)模模型訓練中有數(shù)據(jù)合成或強化學習訓練的實戰(zhàn)經(jīng)驗。
在開源社區(qū)發(fā)布過有一定影響力的項目。