岗位职责
- 探索更多可 scalable 的 verifier 信号，并通过 RL 提升模型的各项能力。
- 提升 reward model 在创作、人类偏好、指令遵循等各专项上的能力，减少reward hacking和bias。
- 研究 reasoning path压缩和外推，实现更高质量的推理思考。
- 将LLM的推理能力和Agent以及其他模态相结合，探索统一模态的reasoning。
职位要求
- 计算机、机器学习等方向相关专业，博士及硕士优先。
- 具有 post-training 或强化学习相关方向经验。
- 精通 Python 以及 Pytorch 等深度学习框架，具有较强的代码工程能力。 加分项：
- 熟悉LLM推理引擎（如vLLM，SGLang）的实现。
- 曾发表顶级会议论文并具有一定的学术影响力，包括但不限于NeurIPS、ICLR、ICML、ACL等。
- 拥有知名开源项目，在开源社区具有较好的影响力。
