岗位职责

1、参与YAYI大模型强化学习阶段的训练工作，参与强化学习整体链路优化与完善，包括数据探索与增强、奖励模型优化、RL策略迭代、PRM、效果评估等；
2、紧跟强化学习学术界最新的研究进展和业界最新应用，持续的技术探索与技术分享，并快速复现；
3、将强化学习应用在LLM Alignment、多智能体博弈、群体决策等场景中，并实现业务目标效果提升。

岗位要求

1、硕士及以上学历，2025届毕业生，计算机科学、人工智能、机器学习、数据科学等相关专业优先；
2、熟悉Transformer架构、自注意力机制、位置编码等，掌握主流的大模型架构；
3、掌握大模型训练技术，包括模型并行、数据并行、管道并行等，熟悉不少于一种大模型训练框架（如DeepSpeed、Megatron等），有多机多卡训练经验者优先；
4、具备RL算法优化和项目实践经验优先，大模型的RLHF/RLAIF等经验优先，熟悉DQN、TRPO、PPO、DPO等强化学习算法；
5、熟悉大模型训练所需的数据流程设计、数据清洗、数据增强和标注策略，对数据质量、分布、多样性有独特的理解者优先；
6、具备良好的沟通能力和跨团队协作能力，能够梳理繁杂的数据工作并建立有效机制，推动模型训练和业务数据上下游配合完成目标。

加分项：
1、在顶级会议或期刊上发表过相关领域的论文；
2、有参与过相关的开源项目或竞赛经验；
3、参与完整的LLM RL流程能够基于实际业务问题优化模型效果；

中科闻歌

中科闻歌