商汤26届AI领航员-研究院-大模型强化学习研究员
任职要求
1. 拥有计算机科学、人工智能、统计学、应用数学或相关领域的硕士及以上学历。 2. 熟悉主流的强化学习算法（如 PPO, GRPO, GSPO 等）及其在大型模型上的应用。 3. 熟悉 Python 编程，并熟练掌握至少一种主流深度学习框架（PyTorch）。
工作职责
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. 参与文档解析多模态大模型的研发和迭代，研发高效的强化学习训练与推理系统，解决大规模图文数据处理、算力利用及模型优化问题； 2. 设计并实现适用于多模态大模型的奖励机制，涵盖图文对齐、复杂推理、OCR/文档解析、表格理解、视觉问答、Agent 操作等多模态任务，探索创新性强化学习算法与多模态对齐方法； 3. 构建并优化多模态强化学习流程，包括数据生成、奖励模型训练、策略优化（如 PPO / DPO / GRPO 等）、模型评测与部署，实现模型能力的精准量化与持续优化； 4. 结合业务需求提出创新方案，推动 RL 优化后的多模态大模型在办公自动化、教育、金融等领域落地应用。
1.探索大模型后训练的技术边界，持续提升模型的通用人工智能能力； 2.研究强化学习，过程监督等方法在提升模型能力上的最前沿技术； 3.研究长思维链推理中的核心问题，如幻觉抑制，长度压缩等。
1. 负责研究并实现创新算法以解决大模型挑战问题，支持AI代码助手、AI办公、拟人角色扮演等大模型课题； 2. 强化学习算法探索：挑战人类能力。探索模型的语义理解与AI生成能力的极限，进行超大模型训练算法设计； 3. 从系统应用的角度，利用大模型的理论和方法来解决实际业务问题。
作为项目的核心成员，你将不仅仅是执行任务，更是与我们一同探索未知。 具体职责包括： 前沿探索： 追踪并复现NeurIPS, ICML, ICLR, CVPR等顶会中关于多模态、Agentic AI、强化学习等方向的最新研究成果。 算法实现： 参与设计与实现创新的多模态融合、任务规划、工具学习、记忆与反思等核心算法模型。 实验与分析： 设计并执行大规模的AI实验，通过严谨的数据分析来验证假设、评估模型性能，并提出富有洞见的改进方向。 系统构建： 参与构建和优化项目的数据集、评测基准（Benchmark）以及Agent的执行环境。 思想碰撞： 与团队成员紧密合作，积极参与每周的技术讨论会和头脑风暴，贡献你的奇思妙想。