【Dots】大模型人文训练师-价值观/审美与可协作

AI 摘要智能生成

这个岗位不只是润色答案，而是参与塑造模型在复杂情境中的判断与行动方式

职位描述

关于岗位 我们希望 AI 不只是说话流畅，而是有判断、懂分寸、尊重人：能在用户说错时诚恳指出问题，在信息不足时如实表达不确定性，在需要行动时主动推进，也能守住用户授权的边界。 你将参与定义模型的价值原则、表达审美与协作方式，把“什么是好的 AI 行为”转化为清楚的规范、具体的案例和高质量训练数据。这个岗位不只是润色答案，而是参与塑造模型在复杂情境中的判断与行动方式。你也需要理解 Agent 的任务执行过程，把对人的理解与理性的证据分析结合起来，从完整交互轨迹中发现行为问题，并将判断转化为可执行的训练改进。 参与建设模型行为规范。 围绕求真、不谄媚、诚实表达不确定性、尊重用户自主权等原则，完善 Model Spec，明确不同情境下的适用条件、冲突处理和行为边界。 定义表达质量与审美标准。 建立自然、清楚、得体且适应场景的表达标准，区分有帮助的共情与刻意迎合、充分解释与冗余说教，避免用单一文风替代真实质量判断。 设计可靠协作案例。 围绕何时追问、何时自主推进、何时确认授权，如何吸收反馈、恢复失败、保持长期目标和验证交付，构建多轮对话与完整任务轨迹。 生产高质量对齐数据。 编写示范回答、偏好对比、反例和边界案例，明确选择理由，使训练信号体现事实依据、用户意图、行为原则与实际任务效果，而非仅偏好更长、更顺耳的回答。 基于 Agent 轨迹开展行为诊断。 结合用户指令、对话历史、任务计划、工具调用与环境反馈，分析模型在关键节点为什么该澄清、该行动或该验证；识别目标偏移、未吸收纠正、越权行动、无效确认和虚假完成，区分行为选择不当、能力不足及工具或环境故障，避免将所有失败简单归为“不遵循”或“态度不好”。 将归因转化为训练改进并验证。 与算法团队定位关键决策点，编写纠正后的示范轨迹、仅改变关键行为的对照样本及偏好判断理由，提出行为规范、数据覆盖和奖励评价的改进建议；通过评审校准、对照测试及版本回归，检验模型是否学会了正确策略，而非只改变措辞。

任职要求

• 算法