研究工程师，代码强化学习（RL）
岗位摘要
设计并搭建代码强化学习环境与编码任务，基于真实代码库与真实工具还原端到端开发场景；构建奖励信号与验证器，刻画并量化“优质代码”的标准；在前沿模型上开展强化学习训练实验，分析并诊断模型在各类软件工程任务中能力提升或停滞的原因
岗位职责
- 设计并搭建代码强化学习环境与编码任务，基于真实代码库与真实工具还原端到端开发场景
- 构建奖励信号与验证器，刻画并量化“优质代码”的标准
- 在前沿模型上开展强化学习训练实验，分析并诊断模型在各类软件工程任务中能力提升或停滞的原因
- 提升训练与评测流水线的速度与可靠性，加快整体研究与迭代效率
- 推进智能体编码行为、代码正确性、长时程自主工程以及加速器高性能代码等方向的研究
- 与Anthropic对齐团队和前沿红队紧密合作，确保系统兼具能力与安全性
- 与应用生产训练团队合作，将研究创新落地到实际部署的模型中
任职要求
- 具备扎实的软件工程能力与深厚的Python功底，包括异步与并发编程
- 能够端到端独立负责系统，并具备跨技术栈的调试能力
- 能在研究探索与工程实现之间取得平衡，严谨参与实验设计并解读实验结果
- 重视代码质量、测试与性能
- 对AI的潜在影响充满热情，致力于开发安全且有益的AI系统
- 具备强化学习、RLHF、后训练或大语言模型微调经验者优先
- 有构建编码智能体、代码执行沙箱、评测框架、验证器或开发者工具经验者优先
- 具备程序分析、测试、验证、编译器或形式化方法背景者优先
- 熟悉PyTorch与大规模分布式训练，并有机器学习系统性能分析与优化经验者优先
- 具备CUDA、GPU或TPU内核开发经验及加速器性能直觉者优先
- 有虚拟化与沙箱化代码执行环境经验者优先