2050-大模型强化学习研究员

【岗位职责】 - 研究和优化大模型强化学习（RLHF、RFT、ReFT、RL等）相关的核心算法； - 设计并实现强化学习训练管道，包括奖励建模、策略优化、数据收集等； - 结合SFT（监督微调）+ RL 训练范式，提升大模型在Agent开放领域任务（如Computer Use、搜索、自动代码软件开发等）上的表现； - 关注大模型强化学习最新进展，撰写技术文档和研究报告，为团队提供技术支持。 【任职要求】 - 有RLHF对齐策略 经验，能优化人类偏好建模； - 参与过开放领域大模型训练（如ChatGPT、Gemini 方式的RL训练）； - 计算机科学、机器学习、人工智能等相关专业，硕士及以上学历（博士优先）； - 深入理解强化学习（RL）原理和在大模型领域的应用 - 具备数学功底（统计、优化、信息论等），能独立阅读顶会论文（NeurIPS/ICLR/ICML）并实现； - 有大规模分布式…… 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 9013 个北京岗位（全城各职能合计），其中 1969 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 5.2K ~ 14K（25~75 分位），中位约 8K，最低 2K、最高 300K。