强化学习算法专家

查看原岗位

地点：北京薪资：30-60K 日期：2026-03-03

岗位摘要

负责LLM强化学习用于大模型智能体GUI/API Agent的模型整体优化，包括数据探索与增强、奖励模型优化、RL策略迭代及效果评估等，持续提升算法的效率与效果；强化学习技术前瞻探索，包括但不限于离线强化学习、环境模型学习、约束强化学习等方向

负责LLM强化学习用于大模型智能体GUI/API Agent的模型整体优化，包括数据探索与增强、奖励模型优化、RL策略迭代及效果评估等，持续提升算法的效率与效果
强化学习技术前瞻探索，包括但不限于离线强化学习、环境模型学习、约束强化学习等方向
改进和完善大语言模型的强化学习的分布式工程框架，实现更高效的模型训练

扎实的算法基础，熟悉强化学习、自然语言处理和机器学习技术，对技术开发及应用有热情
具备RL算法优化和工程项目实践经验，在ICML、NeurIPS、ICLR、JMLR、ACL、KDD等顶级会议或期刊上发表过论文，或在RL应用相关的大型比赛中获得名次
了解Agent相关的前沿进展，并对于将强化学习应用在LLM Agent训练中感兴趣；有大语言模型算法优化和大规模分布式RL框架优化经验优先
良好的沟通能力和跨团队协作能力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标

北京海淀区搜狐网络大厦11层