岗位职责
- 在 verl 等框架上对视频理解模型做 RL
- 设计可验证奖励与 rubric 奖励
- 优化长视频 rollout 效率
- 分析 reward hacking 并迭代奖励
职位要求
熟悉 GRPO/PPO/DAPO 等至少两种 RL 算法和一种训练框架;有 VLM 后训练经验 【加分项】多模态 RL 论文或开源贡献
熟悉 GRPO/PPO/DAPO 等至少两种 RL 算法和一种训练框架;有 VLM 后训练经验 【加分项】多模态 RL 论文或开源贡献
真正值得关注的岗位,常常只在企业官网短暂开放,可能两三天后就下线,也未必会同步到综合招聘平台。没有持续关注,你甚至不会知道它曾经出现。职先机持续聚合并核验官网岗位,帮你抓住职场先机,快人一步。
微信小程序 / 当前岗位
哔哩哔哩视频理解RL算法实习生-bilibili
岗位码未加载,不代表岗位已下线。目前不能保证何时恢复;可先核验官网岗位,或保留本页链接联系职先机。