视频理解RL算法实习生-bilibili
视频理解RL算法实习生 · 上海 · 实习
AI 摘要智能生成
设计可验证奖励与 rubric 奖励
职位描述
1. 在 verl 等框架上对视频理解模型做 RL 2. 设计可验证奖励与 rubric 奖励 3. 优化长视频 rollout 效率 4. 分析 reward hacking 并迭代奖励 工作要求: 熟悉 GRPO/PPO/DAPO 等至少两种 RL 算法和一种训练框架;有 VLM 后训练经验 多模态 RL 论文或开源贡献
任职要求
- 算法
视频理解RL算法实习生 · 上海 · 实习
设计可验证奖励与 rubric 奖励
1. 在 verl 等框架上对视频理解模型做 RL 2. 设计可验证奖励与 rubric 奖励 3. 优化长视频 rollout 效率 4. 分析 reward hacking 并迭代奖励 工作要求: 熟悉 GRPO/PPO/DAPO 等至少两种 RL 算法和一种训练框架;有 VLM 后训练经验 多模态 RL 论文或开源贡献