【职位亮点】 前沿研究： 深入探索大型语言模型（LLM）在Function Calling能力上的核心技术。 资源充足： 提供强大的计算资源，支持大规模模型训练与前沿算法实验。 成果转化： 有机会将研究成果发表为顶级会议/期刊论文，或提升模型在权威榜单（如BFCL）的排名。 团队优秀： 与经验丰富的研究员和工程师紧密合作，共同成长。 【职位描述】 你将有机会参与到LLM Function Calling能力提升的核心工作中，具体职责包括： 算法研发与优化： 负责LLM后训练及强化学习（如PPO, DPO, GRPO等）算法在Function Calling任务上的设计、实现、调优与创新。 数据驱动优化： 主导Function Calling相关数据集的设计、构建、处理与分析，挖掘数据价值以驱动模型性能提升。 性能突破与评估： 致力于提升模型在实际应用场景及公开/内部基准（如BFCL榜单）上的表现，进行深入的实验分析。 知识沉淀与分享： 将研究过程中的创新点、实验结果等撰写成高质量的技术报告或学术论文。 【职位要求】 背景要求： 计算机科学、人工智能、数学、软件工程、电子信息等相关专业在读博士生。 研究能力： 对大型语言模型（LLM）和强化学习（RL）有深入理解。在相关领域的顶级会议或期刊（如ACL, NeurIPS, ICLR, EMNLP, AAAI等）发表过论文者，或在知名数据科学竞赛（如Kaggle、天池）中取得优异成绩者优先。 工程能力： 具备扎实的编程基础，精通Python；熟练掌握至少一种主流深度学习框架（如PyTorch）。 算法理解： 对LLM的强化学习（RLHF）有深入研究者优先，熟悉PPO, DPO, GRPO等相关算法原理与实践。 综合素质： 具备出色的分析问题和解决问题能力，良好的沟通协作精神和快速学习能力，能够主动推进项目进展。 【我们期待这样的你】 对LLM和强化学习技术充满热情，渴望在前沿领域做出贡献。 具备独立思考和研究探索的能力。 乐于团队合作，善于沟通交流。