岗位职责
通过强化学习提升万亿级参数大模型的决策认知能力，实现大模型在复杂环境下的多模态交互，完成多轮感知-决策闭环，在前沿实践中推动AGI落地； 研发新一代大模型强化学习算法，提升大模型在多模态、工具调用、复杂环境交互、多智能体交互等方向的基础能力； 改进大规模分布式强化学习框架，优化万卡集群下的高效分布式训练效率，支持大模型与复杂环境/工具的高效交互； 将强化学习研究成果融入千问&夸克产品生态，打造更懂用户的智能服务产品, 让前沿技术惠及亿万用户。
职位要求
- 硕士及以上学历，数学、强化学习、自然语言处理等相关专业；
- 在强化学习方面具有丰富的专业知识，熟练掌握深度强化学习算法在大语言模型中的应用及前沿知识；
- 熟悉大模型相关深度学习框架，如Transformers、PyTorch、Megatron-LM等，有扎实的编程基础和代码实现能力；
- 具备良好的沟通、协作和解决问题的能力，能够与团队成员密切合作，共同解决问题； 符合以下条件者优先：
- 有大语言模型RLHF、RL reasoning、Agentic RL等方向有实际项目参与经验；
- 在强化学习、大模型训练、多智能体等研究方向在顶级学术会议上发表过论文；
- 有大规模分布式强化学习训练经验或RL框架优化经验；
