岗位职责
专注大语言模型强化学习的研究、探索和开发，具体职责包括：
- 针对多轮Agentic任务场景，开展基于大语言模型（LLM）的强化学习（RL）优化及奖励归因机制研究；
- 设计与实现创新型多轮Agentic RL训练与收敛优化方法，提高训练效率与任务泛化能力；
- 深入探索RL算法在提升智能体泛化性和鲁棒性方面的理论与工程实现，推动算法在实际复杂环境下的稳定应用；
- 推动研究成果在阿里云PAI平台的分布式训练、强化学习等核心产品框架中的集成与落地，支持工业级Agentic AI解决方案的研发和部署；
- 跟踪领域前沿动态，撰写高质量学术论文，申请相关发明专利，并在国际顶级学术会议（NeurIPS、ICLR、AAAI等）或期刊进行成果输出。
职位要求
- 计算机科学、人工智能、电子工程等相关专业在读博士；
- 有AI算法方向的顶会/顶刊论文发表；
- 扎实的C++/Python编程能力，具备良好的代码工程素养；
- 优良的沟通能力、团队合作意识和经验；
- 具备快速学习的能力，并能够持续深入钻研技术问题。 加分项
- 有优秀的创新研究能力，在CCF-A类会议上有相关方向论文发表；
- 对LLM的后训练算法有深入的研究及务实的经验；
- 有大规模、分布式LLM训练的项目经验；
- 对强化学习方向的前沿技术有相关贡献。
