职位描述
岗位职责
- 设计SFT与RL训练数据：任务构造、难度分层、轨迹采集、评分标准与奖励设计。
- 深入使用Claude Code/Codex等coding agent，分析其能力边界并设计数据任务。
- 搭建容器化执行环境：依赖安装、自动化测试、超时资源限制、批量rollout与去重。
- 直接对接客户，将模糊的能力目标转化为任务规范和验收标准。
任职要求
- 熟练使用至少一种coding agent（如Claude Code/Codex），有大量实操经验。
- 扎实的代码工程能力，能独立搭建容器化/sandbox执行与评测环境。
- 理解SFT、RLHF、RLVR、rejection sampling、reward model等基本原理。
- 英语可作为工作语言，能参会和撰写技术文档。
加分项
- LLM research方向在读或已毕业博士。
- 有benchmark建设、agent评测、合成数据pipeline落地经验。
其他说明
提供五险一金，支持远程办公，鼓励参加顶会。
