【B-UP】强化学习训练算法工程师（实习）

AI 摘要智能生成

参与强化学习核心算法的设计、实现与优化

职位描述

1. 参与强化学习核心算法的设计、实现与优化，探索 RL 训练策略与奖励模型（RM）训练方法，提升模型能力与训练稳定性； 2. 根据个人研究方向，面向视频生成或视频理解的其中一个方向，开展强化学习研究与应用； 3. 视频生成方向：探索扩散模型的强化学习与偏好优化方法，包括 PPO、DPO、GRPO、ReRL、Diffusion NFT 等，提升生成质量、运动自然度、时序一致性与指令遵循能力； 4. 视频理解方向：探索 VLM 的强化学习训练方法，以及 Agentic RL 在视频理解任务中的应用，提升视频语义理解、时序推理与复杂问答能力； 5. 参与奖励模型、偏好数据集与评测体系的构建和迭代，围绕具体任务设计奖励信号，验证并持续优化训练效果； 6. 跟踪强化学习与多模态模型的前沿进展，完成论文复现、算法验证与技术落地； 7. 参与强化学习训练框架与工程链路建设，优化数据采样、分布式训练与计算效率，支持规模化实验。 工作要求: 1. 本科及以上学历，计算机、人工智能、数学、自动化等相关专业； 2. 具备机器学习与深度学习基础，了解视频生成或视频理解任一方向，熟悉 DiT（Diffusion Transformer）或 VLM（Vision-Language Model）等相关模型架构； 3. 理解强化学习的基本原理与训练策略，熟悉 PPO、DPO、GRPO、ReRL、Diffusion NFT 等方法中的至少两种，了解奖励模型训练或偏好优化方法； 4. 熟练使用 Python、PyTorch，具备良好的代码实现、实验分析与问题定位能力，能够阅读前沿论文并复现核心算法； 5. 有视频生成、视频理解或相关模型后训练项目经验者优先；了解 Agentic RL 者加分； 6. 在 NeurIPS、ICML、ICLR、CVPR、ACL 等会议有相关论文投稿或发表经历者优先。

任职要求

• Python
• 算法
• 机器学习
• 深度学习