强化学习算法研究员
岗位摘要
开展强化学习在大模型上的探索工作，通过前沿研究和技术创新，优化RL训练Pipeline，提高模型的复杂推理和通用指令跟随能力；开展强化学习在复杂Agent任务（例如Computer Use，Deep Research，AI IDE等）上的落地探索，拓宽大模型的应用边界
岗位职责
- 开展强化学习在大模型上的探索工作，通过前沿研究和技术创新，优化RL训练Pipeline，提高模型的复杂推理和通用指令跟随能力
- 开展强化学习在复杂Agent任务（例如Computer Use，Deep Research，AI IDE等）上的落地探索，拓宽大模型的应用边界
- 对学术前沿保持跟进，鼓励将研究工作开源，并撰写论文或技术报告，促进团队内部以及与外部的技术交流
任职要求
- 跟进RLHF/RFT主流研究方向，熟悉RLHF的pipeline，了解DPO/PPO/GRPO等常见算法的细节与差异，对reasoning model的最新进展有跟进，优先考虑有相关训练算法训练与优化经验的同学
- 有扎实的机器学习、深度学习、强化学习基础，能对训练中的现象进行合理分析，客观给出结论，并针对训练中的问题提出合理的新思路
- 熟悉大模型和RLHF的常见训练框架，例如Deepspeed、Megatron、Verl、Openrlhf等主流框架，编程功底扎实，能快速且正确实现自己的实验需求