大模型后训练与 Harness 工程师（实习 / 应届）

你将围绕 Alice、小山学堂、XSCT Bench 等真实产品，参与从模型后训练到 Agent Harness 的完整工程闭环，持续提升模型能力、任务完成质量与系统可靠性。

1. 参与大模型 Post-training，包括 SFT、偏好优化、强化学习及相关训练方案的实验与迭代。

2. 负责训练与评测数据的收集、清洗、构造、质量分析和版本管理。

3. 建设自动化评测、A/B 测试与回归检测流程，分析真实任务中的模型行为和失败案例。

4. 参与 Agent Harness 工程，建设工具调用、上下文管理、工作流编排、错误恢复等模型运行机制。

5. 建设 Agent 执行链路的 tracing、observability 与 debugging 能力，提高问题定位和迭代效率。

6. 与产品、算法和工程团队协作，打通数据、训练、评测、上线与反馈回流的完整闭环。

1. 在校生或应届毕业生，本科及以上学历；计算机、人工智能、数学、统计学等相关专业优先。

2. 具备扎实的机器学习与深度学习基础，理解 Transformer、大模型 Post-training 及常见评测方法。

3. 熟悉 Python、PyTorch 和 Linux 环境，具备良好的代码能力、工程习惯与实验复现能力。

4. 有 SFT、偏好优化、强化学习、训练数据构建或模型评测中的至少一项实践经验。

5. 对 Agent Harness 有实际理解；有工具调用、上下文管理、工作流编排、自动化评测、tracing 或 observability 经验者优先。

6. 能够从失败案例和指标中定位问题，形成假设并独立完成实验验证。

7. 有分布式训练、推理优化、开源项目、论文、算法竞赛或高质量技术作品者优先。