返回岗位列表

强化学习算法研究员（多模态方向）

查看原岗位

地点：北京薪资：100-200K 日期：2026-06-26

岗位摘要

负责多模态强化学习算法研发，包括图文、视频、音频、音乐生成场景的偏好对齐、质量强化、时序一致性强化、物理合理性强化；研究并落地多模态RLHF、DPO、GRPO、RLAIF、奖励模型训练等对齐算法，构建适配多模态生成的自主进化训练体系

岗位职责

负责多模态强化学习算法研发，包括图文、视频、音频、音乐生成场景的偏好对齐、质量强化、时序一致性强化、物理合理性强化
研究并落地多模态RLHF、DPO、GRPO、RLAIF、奖励模型训练等对齐算法，构建适配多模态生成的自主进化训练体系
针对视频生成、音频生成、可控生成场景，设计多维度奖励函数（画质、时序稳定、物理规则、韵律、语义匹配），解决生成模型抖动、失真、逻辑错乱、时序不一致等核心问题
搭建多模态强化学习训练、评测、迭代闭环，负责数据集筛选、偏好样本构建、奖励模型迭代、强化训练调优与效果验证
跟进世界模型、物理AI、生成式强化学习前沿，输出创新算法、顶会成果与技术专利，推动团队技术壁垒建设
与视觉、音频、基座大模型团队协同，完成多模态生成模型的工业化强化落地与版本迭代

任职要求

硕士及以上学历，计算机、人工智能、自动化、统计数学等相关专业，扎实的强化学习与深度学习理论基础
熟悉大模型对齐与强化学习体系，掌握RLHF、DPO、IPO、GRPO、PRM等主流LLM/多模态对齐算法
具备多模态场景强化学习实战经验，有视频生成、图像生成、音频/音乐生成、多模态对齐任意方向落地经历优先
熟悉扩散模型、Transformer多模态架构，理解时序建模、视觉/音频表征、多模态语义匹配机制
具备奖励模型设计、多模态偏好建模、强化训练稳定性调优实战经验，能独立完成算法迭代与ablation验证
熟练使用PyTorch，熟悉大规模模型训练、分布式训练、模型微调与推理优化
有NeurIPS/ICML/ICLR/CVPR等顶会论文、开源项目、工业级模型落地经验者优先

福利待遇

薪资范围100-200K
工作地点北京东城区明阳国际中心B座
经验不限，硕士学历即可
有机会参与前沿多模态强化学习研究
与视觉、音频、基座大模型团队协同工作
可输出创新算法、顶会成果与技术专利

工作地址

北京东城区明阳国际中心B座