职位描述
1. 算法研究与开发；
2. 深入研究强化学习领域的前沿算法（PPO、GRPO等）并应用于大模型领域；
3. 优化强化学习训练框架，提升训练速度与稳定性；
4. 大规模应用强化学习，以提升模型模型长思考能力、通用能力、Agent能力等。任职要求
1. 计算机科学、人工智能、机器学习、数学、统计学或相关领域的硕士及以上学历；
2. 熟练掌握强化学习经典算法（如PPO、GRPO等），并具备实际项目经验
3. 紧跟学术前沿，积极探索前沿算法，针对实际项目中的问题优化算法
4. 熟悉深度学习框架（如TensorFlow、PyTorch）和强化学习训练框架（如verl、openrlhf、trl、nemo-aligner等）
5. 了解大规模分布式模型训练（如deepspeed、FSDP、megatron等）
6. 具备扎实的编程能力，熟练使用Python，熟悉常用数据结构和算法
7. 具备较强的学习能力和解决问题的能力，能够快速学习新技术，基础扎实，动手能力强。
加分项：在顶级会议（如NeurIPS、ICLR、ACL、EMNLP、NAACL等）发表过强化学习相关论文，有ACM、NOI等编程竞赛经验
