岗位职责
- 负责MAAS平台模型微调体系产品能力建设：RLHF/RLAIF、DPO/GRPO/PPO等方法选型与迭代；
- 负责推理能力强化：可验证奖励（数学/代码）驱动的RL训练、长思维链优化；
- 建设RL基础设施：大规模Rollout、异步训练、奖励模型服务化；
- 探索Agentic RL与平台场景结合（工具调用、多智能体协作）；
- 与离线推理、模型评测方向协同，形成"训练—评测—推理"闭环。
职位要求
- 本科及以上学历，3年及以上相关工作经验；
- 2 年以上机器学习算法经验，其中2年以上LLM后训练/强化学习实战；
- 深入理解主流RL算法与训练框架，有大规模分布式训练经验；
- 有完整的、可陈述的RL提升模型能力的实战案例。
