{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型算法工程师（AI Agent方向）",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "网易互联网2027届校园招聘",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "人工智能"AI生成
    },
    "company": {
        "company_name": "网易",
        "company_industry": "互联网 / 游戏 / 数字内容",
        "company_size": "10000人以上",
        "company_website": "netease.com",
        "company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "2027届硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、负责大模型智能体（Agent）的强化学习与后训练算法研发，覆盖 SFT、奖励模型（RM）、RLHF / DPO / GRPO 全链路，系统性提升模型在复杂多步任务中的指令跟随、任务规划与自主决策能力；\n2、深入探索 Agentic RL 方向，设计面向真实业务场景长程任务的奖励建模机制（过程奖励、结果奖励、规则奖励等），训练模型在模拟环境与真实反馈中持续试错、反思与自我纠错，解决长程任务中的稀疏奖励、错误累积与策略漂移问题；\n3、构建 Agent 训练的数据基础设施，包括高质量数据合成、数据清洗与质量分析，设计覆盖规划推理、工具调用、多轮交互等能力的评测集与评估基线，支撑模型的高效迭代与效果量化；\n4、跟踪并落地前沿技术（如Process Reward Model、Self-Play、课程强化学习等），探索多智能体协作、环境反馈信号设计等方向，推动 Agent 在生产力场景中的实际价值；\n5、参与分布式强化学习训练框架的性能调优，与推理引擎团队协作评估模型推理效率，为端到端训练与线上部署提供稳定高效的算法支撑。",
        "requirements_text": "1、2027届硕士及以上学历，计算机、人工智能、自动化等相关专业，机器学习与深度学习基础扎实；\n2、熟练掌握 Python，熟练使用 PyTorch、HuggingFace Transformers、DeepSpeed / Megatron 等主流训练工具，具备良好的代码实现与调试能力；\n3、熟悉主流大模型架构（如 Qwen、LLaMA 等），对后训练全流程有深入理解，熟悉 SFT、LoRA、RLHF / DPO / GRPO 等任一环节，有相关项目或实习经历者优先；\n4、具备强化学习与智能体相关基础知识，了解 ReAct、Reflexion、Tool-Use、PPO、MCTS 等任一类方法，对 Agent 的规划、推理、工具调用有浓厚研究兴趣；\n5、逻辑清晰，善于拆解复杂问题，自驱力强，能够快速学习新知识，具备良好的跨团队沟通与协作能力。\n加分项：\n1、在 ACL、EMNLP、NeurIPS、ICML、ICLR 等顶会发表过相关论文；\n2、有大模型对齐（RLHF / DPO / GRPO）、Agent 项目或强化学习竞赛相关实践经验；\n3、手动实现过 LangChain / LlamaIndex / AutoGen / Gymnasium 等 Agent 或 RL 开发框架；\n4、对 vLLM / TensorRT-LLM 等推理优化工具有一定了解，有大模型分布式训练实践经验。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "React",
            "机器学习",
            "深度学习",
            "强化学习",
            "大语言模型",
            "智能体开发"
        ],
        "preferred_qualifications": "3、熟悉主流大模型架构（如 Qwen、LLaMA 等），对后训练全流程有深入理解，熟悉 SFT、LoRA、RLHF / DPO / GRPO 等任一环节，有相关项目或实习经历者优先；加分项：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus.163.com/app/detail/index?id=4800&projectId=103"
            }
        ]
    },
    "posting": {
        "posting_id": "103_4800",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus.163.com/app/detail/index?id=4800&projectId=103"
    },
    "fulltext": "大模型算法工程师（AI Agent方向）\n职位描述\n1、负责大模型智能体（Agent）的强化学习与后训练算法研发，覆盖 SFT、奖励模型（RM）、RLHF / DPO / GRPO 全链路，系统性提升模型在复杂多步任务中的指令跟随、任务规划与自主决策能力；\n2、深入探索 Agentic RL 方向，设计面向真实业务场景长程任务的奖励建模机制（过程奖励、结果奖励、规则奖励等），训练模型在模拟环境与真实反馈中持续试错、反思与自我纠错，解决长程任务中的稀疏奖励、错误累积与策略漂移问题；\n3、构建 Agent 训练的数据基础设施，包括高质量数据合成、数据清洗与质量分析，设计覆盖规划推理、工具调用、多轮交互等能力的评测集与评估基线，支撑模型的高效迭代与效果量化；\n4、跟踪并落地前沿技术（如Process Reward Model、Self-Play、课程强化学习等），探索多智能体协作、环境反馈信号设计等方向，推动 Agent 在生产力场景中的实际价值；\n5、参与分布式强化学习训练框架的性能调优，与推理引擎团队协作评估模型推理效率，为端到端训练与线上部署提供稳定高效的算法支撑。\n\n职位要求\n1、2027届硕士及以上学历，计算机、人工智能、自动化等相关专业，机器学习与深度学习基础扎实；\n2、熟练掌握 Python，熟练使用 PyTorch、HuggingFace Transformers、DeepSpeed / Megatron 等主流训练工具，具备良好的代码实现与调试能力；\n3、熟悉主流大模型架构（如 Qwen、LLaMA 等），对后训练全流程有深入理解，熟悉 SFT、LoRA、RLHF / DPO / GRPO 等任一环节，有相关项目或实习经历者优先；\n4、具备强化学习与智能体相关基础知识，了解 ReAct、Reflexion、Tool-Use、PPO、MCTS 等任一类方法，对 Agent 的规划、推理、工具调用有浓厚研究兴趣；\n5、逻辑清晰，善于拆解复杂问题，自驱力强，能够快速学习新知识，具备良好的跨团队沟通与协作能力。\n加分项：\n1、在 ACL、EMNLP、NeurIPS、ICML、ICLR 等顶会发表过相关论文；\n2、有大模型对齐（RLHF / DPO / GRPO）、Agent 项目或强化学习竞赛相关实践经验；\n3、手动实现过 LangChain / LlamaIndex / AutoGen / Gymnasium 等 Agent 或 RL 开发框架；\n4、对 vLLM / TensorRT-LLM 等推理优化工具有一定了解，有大模型分布式训练实践经验。\n1、负责大模型智能体（Agent）的强化学习与后训练算法研发，覆盖 SFT、奖励模型（RM）、RLHF / DPO / GRPO 全链路，系统性提升模型在复杂多步任务中的指令跟随、任务规划与自主决策能力；\n2、深入探索 Agentic RL 方向，设计面向真实业务场景长程任务的奖励建模机制（过程奖励、结果奖励、规则奖励等），训练模型在模拟环境与真实反馈中持续试错、反思与自我纠错，解决长程任务中的稀疏奖励、错误累积与策略漂移问题；\n3、构建 Agent 训练的数据基础设施，包括高质量数据合成、数据清洗与质量分析，设计覆盖规划推理、工具调用、多轮交互等能力的评测集与评估基线，支撑模型的高效迭代与效果量化；\n4、跟踪并落地前沿技术（如Process Reward Model、Self-Play、课程强化学习等），探索多智能体协作、环境反馈信号设计等方向，推动 Agent 在生产力场景中的实际价值；\n5、参与分布式强化学习训练框架的性能调优，与推理引擎团队协作评估模型推理效率，为端到端训练与线上部署提供稳定高效的算法支撑。\n1、2027届硕士及以上学历，计算机、人工智能、自动化等相关专业，机器学习与深度学习基础扎实；\n2、熟练掌握 Python，熟练使用 PyTorch、HuggingFace Transformers、DeepSpeed / Megatron 等主流训练工具，具备良好的代码实现与调试能力；\n3、熟悉主流大模型架构（如 Qwen、LLaMA 等），对后训练全流程有深入理解，熟悉 SFT、LoRA、RLHF / DPO / GRPO 等任一环节，有相关项目或实习经历者优先；\n4、具备强化学习与智能体相关基础知识，了解 ReAct、Reflexion、Tool-Use、PPO、MCTS 等任一类方法，对 Agent 的规划、推理、工具调用有浓厚研究兴趣；\n5、逻辑清晰，善于拆解复杂问题，自驱力强，能够快速学习新知识，具备良好的跨团队沟通与协作能力。\n加分项：\n1、在 ACL、EMNLP、NeurIPS、ICML、ICLR 等顶会发表过相关论文；\n2、有大模型对齐（RLHF / DPO / GRPO）、Agent 项目或强化学习竞赛相关实践经验；\n3、手动实现过 LangChain / LlamaIndex / AutoGen / Gymnasium 等 Agent 或 RL 开发框架；\n4、对 vLLM / TensorRT-LLM 等推理优化工具有一定了解，有大模型分布式训练实践经验。",
    "standard_classification": {
        "std_category_code": "T010",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}