大语言模型强化学习算法研究工程师

需求：多人 地点：北京/上海 年龄：90后 职级：P8-P10 关键词RLHF、 Reward Model方向，强化学习RLHF、奖励模型Reward Model 职位描述 1、擅长发现优化大模型的简单、普适的创意，并应用到各个规模的模型中提升效果； 2、探索超大规模模型边界，并进行深度系统优化，提升模型性能和效率； 3、推进数据建设、指令微调、偏好对齐、模型优化方面的工作，提高模型质量和适应性； 4、相关应用落地，包括生成创作、逻辑推理、代码生成等； 5、深入研究和探索模型在未来生活中的更多使用场景，拓展模型的应用范围。 职位要求 1、优秀的代码能力、数据结构和基础算法功底，熟练C/C++或Python； 2、熟悉NLP、CV相关的算法和技术，在相关领域有过良好研究记录者优先，熟悉大模型训练、RL算法者优先； 3、在大模型领域，主导过有影响力的项目或论文者优先； 4、出色的问题分析和解决能力，能深入解决大模型训练和应用存在的问题； 5、良好的沟通协作能力，能和团队一起探索新技术，推进技术进步。