大模型强化学习研究员

岗位描述

1. 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、Agentic 能力上的表现。
2. 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。
3. 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。
4. 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。
5. 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。
6. 熟悉 Python 编程，并熟练掌握至少一种主流…