混元多模态强化学习（RL）算法研究员（北京/上海）

1.针对多模态模型开展强化学习算法研究，包括面向图像、视频生成的扩散模型，面向多模态理解的自回归模型，以及前沿统一多模态框架； 2.设计并开发强化学习训练框架与奖励建模策略，实现高效的大规模训练，提升训练稳定性，并解决奖励作弊等相关问题； 3.探索下一代强化学习范式，使其能更直接、更高效地从环境反馈中学习。