【北斗】大模型算法研究员（Agent/RL/推理）

Job description

【愿景】 建成全球持续领先、客户长期信赖的履约技术平台，打造市场首选、社会认可、服务10亿用户的配送品牌。 【你将参与】 方向一：Agent技术体系研究与落地

• 设计并构建面向真实业务场景的Agent技术体系，涵盖任务规划、工具调用、多轮推理、自我反思与纠错等核心模块
• 深入抽象业务核心问题，建立可量化的评估反馈信号，驱动Agent在复杂履约场景中实现可度量的效果提升

探索Multi-Agent协作框架，研究Agent在千万级并发场景下的可靠性、安全性与成本效率 方向二

• LLM后训练算法研究
• 负责面向特定业务场景的指令精调（SFT）、偏好对齐（RLHF/DPO/GRPO等）全链路研究与工程落地
• 研究ScalableOversight、持续学习、AI和环境反馈的强化学习（RLXF）等前沿方向。同时探索奖励模型与反馈机制、可泛化的细粒度过程监督和奖励建模等，提升模型在复杂推理与工具调用任务上的能力上限
• 主导训练数据的质量工程，包括数据清洗、合成数据构建及标注流程设计

垂域模型定制化构建，领域认知智能突破，探索小样本场景自演进架构设计、可信推理机制构建等方向 方向三

• 评测与数据体系建设 1.设计覆盖Agent行为、模型能力、业务指标的多维评测体系，建立自动化的诊断与归因链路 2.

与业务团队深度协作，构建端到端的训练-评估-迭代闭环，将研究成果转化为线上可量化的业务收益 方向四

前沿跟踪与对外输出

• 持续追踪NeurIPS/ICML/ICLR/ACL等顶会最新进展，具备将前沿论文快速工程化落地的能力

鼓励将内部研究成果整理为学术论文，向行业输出技术影响力 【任职资格】 必备条件

• 1.2027届计算机、数学、统计等相关专业在读或应届，本科及以上，博士/硕士优先 2.扎实的机器学习与深度学习基础，熟悉Transformer架构及其变体，具备独立阅读和复现顶会论文的能力
• 熟练掌握Python及PyTorch/JAX等主流框架，具备清晰的代码工程意识
• 对大模型的训练流程（预训练/后训练）或Agent构建有系统性理解，具备独立完成端到端实验的能力

具备RLHF/DPO/GRPO或其他对齐算法的实际训练与调优，对相关数据构建有深度认知 加分项

• 熟悉ClaudeCode、OpenClaw、Hermes等开源Harness的设计和实现
• 在NeurIPS/ICML/ICLR/ACL/EMNLP等顶会发表过论文（含在投），或有被广泛引用的开源项目
• 有Agent系统（如ReAct/Toolformer/CodeAct类）的研究或工程经验，理解Agent失败模式与评估瓶颈
• 参与过千卡以上规模分布式训练，或对推理优化（量化、投机解码等）有动手经验
• ACM-ICPC/Kaggle/算法竞赛获奖，展示出优秀的算法直觉与问题拆解能力
• 具有跨学科视野，能将运筹优化、时空感知等方法引入LLMPost-Training体系 【为什么是我们】

真实战场

• 千万级日订单、百万级骑手，提供业界罕见的Agent大规模真实落地环境，不止是玩具Demo

资源保障

• 充足的GPU集群资源，支持千卡规模的后训练实验，让想法落地不被算力卡脖子

成果导向

• 团队鼓励发表顶会论文，内部有完善的学术合作通道

高密度氛围

• 团队论文产出稳定，曾获美团技术突破奖、啃下硬骨头奖等荣誉，与多所顶尖高校保持长期联合研究