AI研究算法工程师-后训练强化学习方向(J13374)

AI 摘要智能生成

研究面向大语言模型的强化学习算法及后训练新范式

职位描述

1、研究面向大语言模型的强化学习算法及后训练新范式，包括但不限于RLHF、RLVR、RLAIF、OPD等方法，探索通过强化学习训练实现后训练Scaling Law。 2、面向复杂推理、代码生成、工具调用和智能体任务，从RL训练数据构建、多目标奖励模型优化、生成式奖励模型、过程监督奖励模型、RL算法调优等多方面提升模型的探索能力和任务完成能力。 3、与基础设施团队协作，建设面向代码工程、复杂工具调用的强化学习高效训练环境和评测体系，形成任务生成、轨迹采样、奖励计算、策略训练和效果分析闭环，提升大规模强化学习的训练效率和稳定性。 4、跟踪大模型后训练强化学习领域的前沿进展，复现、验证并改进相关算法，探索研究具有长期价值的后训练新范式。

任职要求

• 算法