千问事业部-大模型训练专家-强化学习方向

1、负责千卡以上大规模混合模态大模型强化学习训练框架建设，调研和实现业界先进的强化学习方法，并探索算法工程结合的训练方法创新设计，实现模型性能和训练效率的双提升； 2、打通复杂工具调用场景的高性能推理与Agent训练系统，攻克长程数据训练中的训练效率、训推一致性等难点，显著提升千问模型基于多种阿里生态工具（如闪购、飞猪等）的用户真实任务解决率； 3、参与奖励系统、工具系统交互的设计与研发，打造高效率的可持续扩展架构；并通过线上链路的联合设计保障模型训练效果的对齐，保障模型在事实性、复杂任务规划解决等方面的能力提点可以落地千问App。 【任职要求】 1、1年及以上大模型训练工程经验，有扎实的深度学习算法基础，精通各类大模型常用训练框架，熟练掌握各种编译、调试、性能分析工具； 2、熟悉强化学习算法PPO、DPO、GRPO、DAPO等以及相应的高效工程实现，有大模型强化学习工程支持经验和效果优…… 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。