返回岗位列表

强化学习算法工程师

查看原岗位

地点：深圳薪资：40-70K 日期：2026-03-03

岗位摘要

开展强化学习算法研究与开发工作；深入研究PPO、GRPO等前沿强化学习算法并应用于大模型领域；优化强化学习训练框架，提升训练速度与稳定性；大规模应用强化学习技术，提升模型的长思考能力、通用能力和Agent能力

岗位职责

开展强化学习算法研究与开发工作
深入研究PPO、GRPO等前沿强化学习算法并应用于大模型领域
优化强化学习训练框架，提升训练速度与稳定性
大规模应用强化学习技术，提升模型的长思考能力、通用能力和Agent能力

任职要求

计算机科学、人工智能、机器学习、数学、统计学或相关领域硕士及以上学历
熟练掌握PPO、GRPO等强化学习经典算法，具备实际项目经验
紧跟学术前沿，积极探索前沿算法，针对实际问题优化算法
熟悉TensorFlow、PyTorch等深度学习框架，以及verl、openrlhf、trl、nemo-aligner等强化学习训练框架
了解deepspeed、FSDP、megatron等大规模分布式模型训练技术
具备扎实的编程能力，熟练使用Python，熟悉常用数据结构和算法
具备较强的学习能力和解决问题的能力，能够快速学习新技术，基础扎实，动手能力强
加分项：在NeurIPS、ICLR、ACL、EMNLP、NAACL等顶级会议发表过强化学习相关论文，或有ACM、NOI等编程竞赛经验

加分项

在顶级会议（如NeurIPS、ICLR、ACL、EMNLP、NAACL等）发表过强化学习相关论文，有ACM、NOI等编程竞赛经验
赵楠刚刚活跃

工作地址

深圳南山区民企科技园南山区桃源街道丽山路65号平山民企科技园3栋3层