大模型算法专家（强化学习方向）

职位描述

岗位职责：

- 研发大模型与强化学习（RLHF/RLAIF等）理论算法和应用，提升模型推理、对齐与泛化能力

- 探索RL与LLM结合的应用场景（如：Reason、行业强化学习、智能体），推动 RL应用落地

- 跟踪学术前沿（如：PPO/DPO/GRPO、多模态对齐），帮助大模型后训练取得效果突破

任职要求

职位要求：

- 熟悉Transformer、LLaMA、MoE 系列大模型结构，具备RLHF全流程实战经验

- 熟悉强化学习算法（DQN、PPO、GRPO ）和项目经验（大模型/个性化推荐/游戏AI等）

- 熟练掌握PyTorch/TensorFlow，具备分布式训练（Megatron/DeepSpeed）调优能力

- 在AI领域顶级会议上发表过关于搜索推荐算法、强化学习、大模型、多模态的论文者优先

- 硕士及以上学历，计算机/数学相关专业，3年以上RL或大模型研发经验