岗位职责
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。
- 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。
- 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。
- 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。
- 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、环境反馈、规则约束和模型判断等方式，提高奖励信号的准确性、稳定性和泛化能力。
- 主导Agentic RL技术研发，提升模型在复杂任务中的任务分解、规划探索、工具选择、状态管理、错误恢复和跨步骤优化能力。
职位要求
- 计算机、人工智能、机器学习、数学、自动化或相关专业，本科及以上学历优先。
- 具有3年以上机器学习或强化学习研发经验，具备大模型强化学习相关项目经验；核心项目负责人或有复杂技术方向Owner经验优先。
- 具有基于CVE、CTF、代码执行、系统环境或安全工具反馈构建RL任务、Verifier和奖励机制的经验。
- 能深入理解大语言模型强化学习的训练机制，熟悉主流LLM RL方法，能够从训练目标、采样策略、奖励机制和策略约束等角度分析和优化算法。
- 至少主导过一项大规模LLM RL、Agentic RL、Reasoning RL、Code RL或复杂任务强化学习项目，并取得可量化的模型能力、任务效果或训练效率提升。
