返回岗位列表

代码模型数据与强化学习研究员

查看原岗位

地点：北京薪资：薪资未公开日期：2026-01-29

岗位摘要

负责代码预训练数据的合成、清洗、权重分配与来源扩充，持续提升代码预训练及中程训练的数据质量；探究预训练小领域数据配比与最终模型效果之间的关系；开发数据合成链路，解决代码模型中的关键问题

岗位职责

负责代码预训练数据的合成、清洗、权重分配与来源扩充，持续提升代码预训练及中程训练的数据质量
探究预训练小领域数据配比与最终模型效果之间的关系
开发数据合成链路，解决代码模型中的关键问题
探究深度推理技术，研究Test-time Compute与模型效果的Scaling laws
参与后训练奖励模型、强化学习算法的优化流程，探究从线上代码补全数据到强化学习过程的数据飞轮
专注于代码强化学习中奖励模型的优化与创新
与SFT阶段配合，解决判别能力较差的场景
探究使用合成数据进行代码奖励模型的预训练
组织标注人员进行代码奖励模型的标注工作
进行Critic模型的前沿技术探究
负责强化学习过程中可执行代码与单元测试的质量过滤和扩充

任职要求

本科及以上学历，计算机、物理、数学、神经科学或相关专业
具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯
熟悉语言模型的基本技术、模型结构，对AI的未来有信仰和工作热情
工作认真细致，计划性强，具有刨根问底的探究精神
对研发工作有很强的实事求是的落地信念，追求最终效果而非盲目追求新颖方法
对工作内容有较强的责任感

加分项

有NOI、ACM竞赛经历者优先；有推荐、搜索领域出色的数据驱动工作者优先
熟悉强化学习相关技术和细节，曾深度参与强化学习项目或语言模型项目
具有较强的工程能力，能迅速熟悉公司内外部平台工具使用，具有主动提升效率的意识