about the company.
我们的客户专注于前沿 AI for Science（AI4S）与自主科研智能体（Auto Research Agent）研发，采用“虚拟科研 Agent + 物理/仿真实验室”的闭环路线，致力于通过基础模型能力跃迁与多智能体长程协同，攻坚芯片、量子、能源、生命科学与材料等基础科学难题，推动科学研究范式从传统人工试错迈向全自动化发现与自进化闭环。
about the team.
我们是一支追求极致极客精神与原始创新的前沿团队，核心成员来自清华、北大、浙大、中科院及海外顶尖名校与一线 AI 实验室。团队深度践行 AI-Native 与 AI Coding（Claude Code、Codex 等）研发文化，扁平高效、鼓励单兵闭环与深度交叉。在这里，你将与计算科学专家、编译器与系统架构师并肩作战，探索最前沿的训练动力学（Training Dynamics）、长程符号推理与智能体进化机制。
about the job.
作为大模型后训练算法工程师（Post-Training & Reasoning Researcher），你将负责核心基座模型与自主科研智能体的高阶智能能力迭代：
- 后训练对齐与强化学习优化： 负责大模型 SFT、DPO 及大规模强化学习（PPO/GRPO/RLFT）训练全流程，针对复杂推理任务设计高效的奖励函数（Reward Modeling / PRM 过程奖励模型）与策略优化方案。
- 长程推理与思考模型（Reasoning / CoT）构建： 攻坚复杂数学推导、科学逻辑证明与符号计算场景下的思维链能力提升，解决模型长程规划退化、采样收缩及推理冗余问题（如 CoT 压缩与高效推理）。
- Agentic 轨迹重构与工具调用能力微调： 面向代码编写、沙箱执行、文献检索与环境反馈等复杂多步场景，构建多轮工具调用（Tool Calling）的真实与合成轨迹数据，实现模型“自主假说生成 $\rightarrow$ 代码执行 $\rightarrow$ 报错自修复”的自进化闭环。
- 评测基准与能力边界探测： 搭建面向科研推理、指令遵循与抗幻觉事实性核验的标准化评测体系与 LLM-as-a-Judge 评估闭环，持续驱动数据与算法迭代。
skills and experience required.
- 学历与背景： 计算机、人工智能、数学、统计或硬核 STEM 相关专业硕士及以上学历（国内外顶尖名校，优秀应届博士及具有顶会论文者优先）。
- 后训练核心技术栈： 熟练掌握 PyTorch 及主流分布式训练框架（DeepSpeed、Megatron-LM 或 FSDP）；深入理解 Transformer/MoE 架构与参数微调技术（LoRA/PEFT）；具备完整的 SFT、DPO、PPO、GRPO 等强化学习与对齐实战经验。
- 推理与智能体理解： 熟悉思维链（CoT）推理机制、合成数据（Synthetic Data）构建与清洗流程；对 Agent 架构（MCP、Tool Calling、Harness 与环境交互）有深入理解与工程实践。
- 极客能力与研发习惯： 具备极强的代码能力与自驱动力，熟练使用 AI 编程工具辅助高效开发（如 Claude Code、Cursor 等）；有 CCF-A/B 顶会（NeurIPS、ICML、ICLR、ACL、EMNLP 等）成果或知名开源项目贡献者优先。
