2050-强化学习算法研究员

【岗位职责】 1.开展强化学习在大模型上的探索工作，通过前沿研究和技术创新，优化RL训练Pipeline，提高模型的复杂推理和通用指令跟随能力。 2.开展强化学习在复杂Agent任务（例如Computer Use，Deep Research，AI IDE等）上的落地探索，拓宽大模型的应用边界。 3.对学术前沿保持跟进，鼓励将研究工作开源，并撰写论文或技术报告，促进团队内部以及与外部的技术交流。 【任职要求】 跟进RLHF/RFT主流研究方向，熟悉RLHF的pepeline，了解DPO/PPO/GRPO等常见算法的细节与差异，对reasoning 1.model的最新进展有跟进，优先考虑有相关训练算法训练与优化经验的同学。 2.有扎实的机器学习、深度学习、强化学习基础，能对训练中的现象进行合理分析，客观给出结论，并针对训练中的问题提出合理的新思路。 3.熟悉大模型和RLHF的常见训练框架，…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 8946 个北京岗位（全城各职能合计），其中 1913 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 5K ~ 13K（25~75 分位），中位约 8K，最低 2K、最高 300K。