基于电商大模型的Mid-train及RL研究

Job description

工作职责

• 设计并实现电商场景下的大模型中期训练(Mid-train)算法，解决领域知识注入与能力对齐等核心难题；
• 负责电商场景下Agentic大模型的强化学习后训练，攻坚奖励模型(RM)、策略优化(如PPO、GRPO)及多轮交互决策优化等关键技术；
• 构建面向电商业务的高质量训练数据、奖励数据及评测基准(Benchmark)，通过数据闭环迭代驱动模型性能优化；
• 推动大模型研究成果在智能推荐、智能导购及智能运营等真实业务场景中的端到端落地，解决实际业务痛点。 任职要求
• 计算机、人工智能或相关专业博士 / 硕士，有扎实的机器学习、强化学习理论基础。
• 熟悉大语言模型（LLM）训练与后训练流程，有 SFT/RLHF/RLOO/GRPO 等相关项目经验。
• 有 Agent 训练、Tool-use、多步推理等相关研究或工程落地经验者优先。
• 熟悉 PyTorch，有大规模分布式训练（如 DeepSpeed、Megatron-LM）经验者优先。
• 有顶会论文（ICML/NeurIPs/ICLR 等）或开源项目贡献者优先。