大模型强化学习研究员
岗位摘要
针对多模态大模型设计并实现强化学习算法，提升模型在推理、工具调用和Agentic能力上的表现；参与大模型的强化学习训练流水线设计与实现，包括奖励建模、策略优化、对齐训练等环节；关注行业内顶尖机构在Agentic RL、多智能体学习、多模态推理等方向的最新成果，基于前沿研究提出创新性方法，推动模型在…
岗位职责
- 针对多模态大模型设计并实现强化学习算法，提升模型在推理、工具调用和Agentic能力上的表现
- 参与大模型的强化学习训练流水线设计与实现，包括奖励建模、策略优化、对齐训练等环节
- 关注行业内顶尖机构在Agentic RL、多智能体学习、多模态推理等方向的最新成果，基于前沿研究提出创新性方法，推动模型在复杂推理、长程规划、多轮对话等方向的突破
任职要求
- 拥有计算机科学、人工智能、统计学、应用数学或相关领域的硕士及以上学历
- 熟悉主流的强化学习算法（如PPO、GRPO、GSPO等）及其在大型模型上的应用
- 熟悉Python编程，并熟练掌握至少一种主流深度学习框架（PyTorch）
- 熟悉常见AI编程工具（如Claude Code、Cursor、GitHub Copilot等），能将其有效融入日常开发工作流，具备借助AI工具进行代码编写、调试及提效的主动意识