岗位职责
- SFT 数据配比与课程实验
- DPO、ReFL、GRPO 类 RL 在 DiT 上的实现与对比
- 设计美学、运动、一致性、指令遵循等 reward 组合
- 分析 reward hacking 并产出结论
职位要求
熟悉扩散/flow matching 与至少一种 RL 方法;PyTorch;能独立设计消融 【加分项】DiT RL、reward model 相关论文或项目
熟悉扩散/flow matching 与至少一种 RL 方法;PyTorch;能独立设计消融 【加分项】DiT RL、reward model 相关论文或项目
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
哔哩哔哩视频生成后训练算法实习生-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。