算法研究员（强化学习方向）

工作内容： 1、负责深入探索和追踪强化学习领域的前沿算法及技术动态，及时将其应用于公司业务场景，推动业务发展。 2、负责强化学习算法的研究与开发工作，包括但不限于奖励模型的设计与优化、强化学习算法的实现及效果调优等，以提升模型的性能和效率。 3、对现有强化学习模型进行评估和优化，针对实际业务问题提出有效的解决方案，持续提升音乐大模型偏好对齐能力。 4、撰写技术文档，记录算法设计、实现过程及实验结果，为团队成员提供技术支持和知识共享。 岗位要求： 1、计算机科学、数学、人工智能、机器学习等相关专业，本科及以上学历，硕士学历优先。 2、具备扎实的数学基础，熟悉概率论、线性代数、数值优化等数学工具在强化学习中的应用。 3、具备强化学习实践经验，熟悉经典强化学习算法，以及深度强化学习的前沿技术，如DPO、PPO、GRPO等。 4、具备大语言模型奖励模型开发、强化学习调优经验者优先。 5、具备较强的…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 431 个广州技术研发岗位，其中 51 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 14K ~ 22K（25~75 分位），中位约 20K，最低 5K、最高 50K。