多模态 Agent 后训练算法工程师
60k-100k · 16 薪
北京 · 现场办公 · 高级 / 资深 · 3-8 年 · 本科及以上
某头部互联网公司（北京 · 已上市级规模）
互联网 / 平台 · 5000 人以上 · 北京
全球化内容与效率平台公司，AI 投入居行业前列。
公司名称对外脱敏展示，联系顾问可获知详细信息。
负责多模态模型的后训练与 Agent 能力建设，方向包括 RL、工具调用与长程规划。
- 核心模型团队一手数据
- 自研训练框架，千卡集群
- 直接汇报给模型负责人
多模态后训练RLHFVLMAgent
职责
- 负责多模态大模型后训练（SFT / RL）方案设计与迭代
- 建设 Agent 评测集与训练环境
- 与产品团队协同落地到该公司核心产品
要求
- 硕士及以上，3 年以上算法经验
- 熟悉 RLHF / DPO / GRPO 等后训练方法
- 有顶会论文或大规模训练经验优先
发布于 2026-09-20