强化学习研究员
岗位摘要
开展强化学习在大模型上的探索工作，优化RL训练Pipeline，提升模型的复杂推理和指令跟随能力；探索强化学习在复杂Agent任务（如Computer Use、Deep Research、AI IDE等）中的应用，拓宽大模型边界
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 开展强化学习在大模型上的探索工作，优化RL训练Pipeline，提升模型的复杂推理和指令跟随能力
- 探索强化学习在复杂Agent任务（如Computer Use、Deep Research、AI IDE等）中的应用，拓宽大模型边界
- 跟进学术前沿，推动研究工作开源，撰写论文或技术报告，促进内外部技术交流
任职要求
- 熟悉RLHF/RFT主流研究方向，了解RLHF pipeline及DPO/PPO/GRPO等算法的细节与差异
- 掌握机器学习、深度学习、强化学习基础，能分析训练现象并提出改进思路
- 熟悉大模型和RLHF训练框架（如Deepspeed、Megatron、Verl、Openrlhf），编程能力扎实
福利待遇
- 在NeurIPS/ICML/ICLR/CVPR等国际会议发表论文者优先
- 有ACM-ICPC、NOI/OI参赛经验者优先
- 有大规模RL落地经验者优先
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。