大模型后训练算法工程师· 2026-07-28

dots 基座大模型 Post-train 团队，聚焦可验证奖励 RL、长程 agentic 智能、综合推理与自我演进，构建能在复杂真实任务中可靠工作并持续自我迭代的基座模型。

【团队介绍】 我们是 dots 基座大模型的 Post-train 团队。我们相信，模型不只是记住世界，而是真正学会在真实世界中思考、行动与自我成长。团队聚焦可验证奖励 RL、长程 agentic 智能、综合推理与自我演进等最前沿的方向，构建下一代能在复杂真实任务中可靠工作、并持续自我迭代的基座模型。 【工作职责】 在以下一个或多个方向进行深度攻关。 1. Frontier Research - Self Evolving：提升模型进行机器学习与大模型优化的能力，探索以 AI 加速 AI 研发的新范式——让模型参与到自身的训练、部署及 Agent 调度机制的迭代中，把改进的对象从「模型本身」抬升到「产生模型的研发流程」，构建可递归的能力增益回路，持续寻找下一代能力增长曲线。 - Lifelong Learning：探索模型「学会学习」的 Meta 能力，让模型在与陌生、开放环境的在线交互中持续更新自身内部状态，无需重新训练即可积累经验，不断提升长期的 decision making 与任务完成能力。 - Scalable Oversight：在难以 verify 的 fuzzy / 开放式任务上，突破人类监督的扩展性瓶颈；研究可扩展的监督、自我评估与自我修正机制，让监督信号的质量能随模型能力一同增长，降低对外部人工反馈的依赖。 2. RL Algorithms - 研究面向长程、多轮、稀疏奖励场景的 RL 算法，系统性解决信用分配、训练稳定性、探索效率等核心问题。 - 设计更有效、更鲁棒的奖励与评估信号，缓解 reward hacking、验证误差与奖励噪声对训练的干扰。 - 研发 Adaptive Thinking，使模型按任务复杂度动态调整思考深度，在保证效果的同时实现高效推理。 - 探索新的优化目标与训练范式，显著提升长程、稀疏奖励任务的收敛速度与样本效率。 - 与 infra / 工程团队协同，推进 rollout 加速、环境稳定性、训推一致性等工程化瓶颈的解决。 3. Agentic Intelligence - 在 Proactive Agent、CLI/GUI 计算机控制、高价值专业知识任务、深度信息获取、软件工程等任务上提升模型的 Agentic 能力，让模型在高复杂度真实任务上达到行业前沿水平。 - 构建复杂、多样、多模态、可验证的 RL 环境，在复杂 harness 上开展 blackbox RL 训练，提升模型在长程、多工具、真实环境中的规划、执行与反思能力。 - 研究超长程任务下的多智能体协作、长程记忆与跨任务经验的积累复用。 - 建设可规模化的 Agent 训练环境与评测体系。 4. Reasoning - 探索 RL Scaling Law，提升模型 general 的真实推理与反思能力（而非仅在特定任务或 Benchmark 上的表现）。 - 在人类智能密度最高的领域（如顶尖数学、竞赛编程、前沿科学等）持续突破，向达到乃至超过人类顶尖水平的方向迈进。 - 推动推理与工具使用、真实环境的结合，并提升模型思考效率及 adaptive thinking 的能力。

【基础要求】 - 基础能力：扎实的机器学习与深度学习基础，对大模型训练全流程（pretrain / mid-train / post-train）有深入理解。 - 解决问题：逻辑严密的分析能力，能从复杂现象中抽象出底层问题并给出系统性方案。 - 专业能力：深刻理解并能解决 RL 训练中的核心问题，包括 Reward Hacking、Training Stability、Exploration Efficiency，以及长程信用分配、环境噪声 / 非 on-policy 负向 reward、训推一致性等真实工程化挑战。 - 动手能力：优秀的算法实现能力与工程性能感知，具备优秀的数据敏锐度，能从数据中提炼出让模型效果突破的 insight。 【加分项】 - 研究成果：在 NeurIPS、ICLR、ICML、CVPR、ACL 等顶级会议发表过高水平成果，或主导过知名开源项目者优先。 - 工程与系统：熟悉大规模 RL 训练基础设施（rollout / 采样加速、sandbox 与 trajectory replay、训推框架），或有 agent harness / 可验证环境搭建经验者优先。 - 敏锐的直觉和探索精神：具备极强的好奇心，能在高度不确定的无人区中通过严谨实验寻找确定性；不满足于优化已有 Benchmark，而对「模型是否真的在理解、在进化」保持极度敏感。 【投递方式】 欢迎感兴趣的朋友发送简历至：[email protected]