蚂蚁集团-大语言模型强化学习算法专家-北京/上海/杭州【AGI专项】

1. 负责研发大语言模型强化学习算法，提升大模型在强化学习阶段的训练效率，以及提升大模型在数学、代码等自然科学领域的推理能力 2. 负责研发奖励和评价模型，包括细粒度的过程监督和奖励建模，覆盖复杂推理、指令遵循等各种任务 3. 参与后训练和推理阶段的Scaling Law研究，包括奖励模型训练、强化学习训练、推理阶段的Scaling Law 【任职要求】 1. 硕士及以上学历，计算机科学或相关专业背景 2. 有大模型相关的研究经历，在post-training方向具备一定的训练经验，熟悉奖励模型建模，PPO/REINFORCE/RLOO等主流强化学习算法 3. 具备扎实的算法工程实现能力，熟悉Python编程语言和PyTorch深度学习框架，熟悉DeepSpeed/Megatron等主流分布式训练框架 4. 具备良好的分析和问题解决能力、优秀的工程素养，能够独立思考和解决实际问题 5. …… 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 21689 个北京岗位（全城各职能合计），其中 1797 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7K ~ 20K（25~75 分位），中位约 12K，最低 1K、最高 300K。