vivo AI研究院致力于研发业界领先的人工智能技术，通过AI技术创新持续为全球5亿+vivo用户带来无处不在的惊喜和激动人心的智慧体验。
- 负责大模型的训练与对齐：通过 SFT、RLHF/RLAIF、DPO/PPO/GRPO 等方法，提升模型的指令遵循、任务规划、工具调用与多步决策能力；
- 设计大模型训练数据方案：Agent 轨迹数据构造、合成数据生成、拒绝采样、数据飞轮，解决多步执行场景下的数据稀缺与质量问题；
- 研发奖励建模与强化学习机制，优化大模型在真实任务中的成功率、步骤效率与用户对齐；
- 构建大模型核心能力：任务规划（Planning）、推理决策、工具调用（Function Calling / MCP）、多轮交互与长程记忆管理；
- 建设大模型评测与可观测体系，定义任务成功率等指标，定位失败模式并驱动训练闭环迭代；
- 融合视觉、语音、文本及手机端上下文作为感知输入，与产品、系统团队协同推动端侧落地，平衡效果、时延与功耗。
- 硕士及以上学历，计算机、人工智能、电子工程等相关专业；
- 扎实的大模型训练经验：深入理解预训练/CPT、SFT、RLHF 全流程，熟悉至少一种对齐算法（DPO、PPO、GRPO 等）的原理与工程实现；
- 具备 AI Agent 实战经验：熟悉规划推理、工具调用、多轮决策、RAG 及主流 Agent 范式（如 ReAct）；
- 熟练掌握 PyTorch，了解主流训练框架（如 DeepSpeed、Megatron、veRL/TRL 等），具备大规模训练或分布式训练经验者优先；
- 具备以下一项或多项者优先：
- 奖励模型训练、RLHF/RLAIF 数据构造经验；
- 端侧模型部署与推理优化（量化、蒸馏、KV-Cache、投机解码等）；
- 大模型相关项目经验（Qwen、LLaMA、GPT、LLaVA 等）；
- 良好的跨团队协作与中英文沟通能力，有顶会论文、开源贡献或竞赛获奖经历者优先。
