岗位描述（节选）
负责安全大模型强化学习方向的整体技术规划和团队建设，制定中长期技术路线，识别关键技术问题，持续提升团队在LLM RL和Agentic RL方向的技术竞争力。主导安全大模型强化学习算法研发，围绕模型推理、规划、安全工具使用、代码安全类和复杂任务处理能力，持续探索和优化RLVR、在线强化学习、过程奖励及长程信用分配等关键技术。
1. 面向漏洞分析和利用、代码安全、威胁研判、攻防任务等复杂场景，设计安全大模型的强化学习技术路线，提升模型理解、分析和执行安全任务的能力。
2. 结合CVE、CTF、代码样本、安全知识、专业工具及授权环境，将真实安全问题转化为可交互、可验证、可复现、可规模化训练的强化学习任务。
3. 建设强化学习的安全任务与安全场景环境体系，形成任务构建、环境执行、轨迹采集、策略优化和效果评估的完整闭环。
4. 负责奖励机制与Verifier体系建设，综合运用程序执行、工具调用结果……
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。