岗位职责
- 负责研发大语言模型强化学习算法，提升大模型在强化学习阶段的训练效率，以及提升大模型在数学、代码等自然科学领域的推理能力
- 负责研发奖励和评价模型，包括细粒度的过程监督和奖励建模，覆盖复杂推理、指令遵循等各种任务
- 参与后训练和推理阶段的Scaling Law研究，包括奖励模型训练、强化学习训练、推理阶段的Scaling Law
职位要求
- 硕士及以上学历，计算机科学或相关专业背景
- 有大模型相关的研究经历，在post-training方向具备一定的训练经验，熟悉奖励模型建模，PPO/REINFORCE/RLOO等主流强化学习算法
- 具备扎实的算法工程实现能力，熟悉Python编程语言和PyTorch深度学习框架，熟悉DeepSpeed/Megatron等主流分布式训练框架
- 具备良好的分析和问题解决能力、优秀的工程素养，能够独立思考和解决实际问题
- 具备较强的团队合作能力和沟通能力，能够与工程团队、业务团队、产品团队和其他技术团队紧密配合 加分项：
- 在语言大模型和机器学习领域有科研或实践经验，在国际顶级会议/期刊发表过高质量论文
- 在大数据处理、大规模分布式计算、分布式训练等领域有科研或实践经历
