腾讯腾讯云CodeBuddy-强化学习算法研究员

参与金融领域大模型的设计与优化，特别是在量化投资、风险控制、资产配置等场景下应用强化学习算法（RL）解决实际问题。 研究和开发基于强化学习的金融策略，包括但不限于投资组合优化、市场预测、风险管理等关键领域。 利用大模型和多模态数据（包括市场数据、新闻数据、社交媒体数据等），开发适应金融市场动态变化的智能决策系统。 优化金融场景下强化学习模型的训练与推理效率，探索基于DPO（决策过程优化）与RLHF（强化学习与人类反馈）的创新算法，提升策略的稳定性和适应性。 深入研究AI4Finance前沿技术，关注低延迟推理、模型压缩、算法加速等技术的应用，推动金融大模型在实时交易、资产管理等领域的落地。

强化学习是提升大模型推理能力的重要范式。大模型本身参数量大，训练资源消耗高，加上强化学习算法流程复杂，要开发灵活又高效的强化学习系统有诸多挑战，而大规模强化学习基础设施又是开展强化学习算法研究的基础，目前需要以下方向的研究： 1. 高效灵活的面向大模型的强化学习训练系统：能够支持各种强化学习复杂算法，同时支持大规模多卡高效率稳定训练。 2. 复杂强化学习算法在大规模计算下的并行化：强化学习算法普遍需要串行计算，对于规模化（scale up）大规模训练带来诸多挑战，而规模化又是推理能力提升的关键，因此需要研究在规模化前提下的强化学习算法。 在本岗位，你将参与或主导相关领域的研究，并产出有影响力的成果并赋能业务部门。

1. 针对多模态大模型设计并实现强化学习算法，提升模型在推理、工具调用、Agentic 能力上的表现。 2. 参与大模型的强化学习训练流水线设计与实现，包括奖励建模、策略优化、对齐训练等环节。 3. 关注行业内顶尖机构在 Agentic RL、多智能体学习、多模态推理 等方向的最新成果，基于前沿研究提出创新性方法，推动模型在复杂推理、长程规划、多轮对话等方向的突破。

1.参与腾讯游戏AI的算法研究和应用，包括但不限于强化学习、模仿学习、元学习等，结合游戏场景，提供技术解决方案； 2.强化学习算法应用效果优化，提高强化学习效率和效果，结合游戏场景进行应用； 3.前沿技术的探索，推进强化学习技术在业务场景的应用。