返回岗位列表

生成式奖励模型研究员

查看原岗位

地点：北京薪资：薪资未公开日期：2026-03-03

岗位摘要

探索并验证生成式奖励模型的范式选择与组合，包括成对偏好对比、基于评分标准的生成式打分及其混合校准方案；沉淀可复用的数据集构建与模型评测流程；设计并推进GenRM的强化优化方案，面向RLAIF及偏好优化场景提升奖励信号的一致性、可解释性与泛化能力

岗位职责

探索并验证生成式奖励模型的范式选择与组合，包括成对偏好对比、基于评分标准的生成式打分及其混合校准方案
沉淀可复用的数据集构建与模型评测流程
设计并推进GenRM的强化优化方案，面向RLAIF及偏好优化场景提升奖励信号的一致性、可解释性与泛化能力
实现多智能体联动迭代机制
构建GenRM的鲁棒性评估体系
制定并实施reward hacking缓解策略

任职要求

研究方向为LLM或VLM相关领域，具有模型自动评估（LLM-as-judge）项目经验者优先
深度参与过大语言模型、视觉语言模型或智能体方向的研究项目
或参与过具有清晰成果展示的相关工程项目
具备扎实的工程实现与代码开发能力
国内外本科及以上学历在读，计算机科学、人工智能、机器学习或相关专业
具备强烈的研究热情、自我驱动力和快速学习能力
能够独立思考并有效解决问题