工作职责:

-大模型研发与优化：参与百亿级参数大语言模型（LLM）的架构设计、训练优化及推理加速，包括但不限于预训练、指令微调、RLHF等全流程开发，提升模型在复杂推理、知识整合、代码生成、多轮对话等场景的性能表现
-强化学习深度融合：创新性地将强化学习（如PPO/GRPO、多智能体RL等）与大模型结合，设计并实现对话策略优化、内容生成质量提升、模型自我迭代等解决方案，推动大模型在开放域对话、代码生成、决策推理等场景的突破
-算法创新与实验验证：主导关键算法模块的研发（如奖励模型设计、探索策略优化、离线强化学习、agent-rl等），构建高并发分布式训练与评估系统
-跨团队协作与落地：与数据团队、工程团队、产品团队深度协作，推动大模型+强化学习技术在代码生成、内容创作、智能体决策等业务场景的落地应用
-学术前沿追踪与输出：跟踪ICLR、NeurIPS、ACL等顶会前沿动态。发表高水平论文，构建技术影响力

任职要求:

-学术基础扎实：掌握Transformer架构、注意力机制等大模型底层原理，熟悉GPT、qwen，ds等主流模型；了解PPO、GRPO等强化学习算法，有相关课程设计或实验室项目经验
-工具上手快：熟练使用PyTorch/Paddle等深度学习框架，了解分布式训练、模型量化等基础技术，有代码实现能力
-软性能力突出：具备良好的逻辑思维能力、英文文献阅读能力和团队协作精神，擅长将复杂问题拆解为可执行的步骤
-加分项：有AI竞赛获奖经历、参与过开源项目、在学术会议发表过论文，或熟悉对话系统、代码生成等技术者优先