通义Token Foundry-RLHF 算法专家-Qwen
社招全职3年以上技术类-算法地点：北京 | 杭州状态：招聘
工作描述
任职要求 1. 计算机、机器学习、人工智能、自然语言处理等相关专业，硕士及以上学历。 2. 具有 RLHF / Reward Modeling / 偏好对齐方向的实践经验，熟悉 PPO、DPO、GRPO 等主流算法的原理与工程实现。 3. 精通 Python 及 PyTorch 等深度学习框架，具备扎实的工程能力，能够独立完成从数据处理、模型训练到评测部署的全链路工作。 4. 对数据质量高度敏感，具备优秀的数据分析与问题诊断能力，能够从复杂反馈信号中提炼有效的优化方向。 加分项 1. 熟悉主流 RL 训练框架（如 veRL ）及大规模分布式训练方案（DeepSpeed、Megatron-LM、FSDP）。 2. 在 Reward Model 泛化性、Reward Hacking 缓解、偏好数据合成等方向有深入研究或实际落地…
登录查看完整工作描述
微信扫码，1秒登录
包括英文材料
机器学习+
https://www.youtube.com/watch?v=0oyDqO8PjIg
Learn about machine learning and AI with this comprehensive 11-hour course from @LunarTech_ai.
https://www.youtube.com/watch?v=i_LwzRVP7bg
Learn Machine Learning in a way that is accessible to absolute beginners.
https://www.youtube.com/watch?v=NWONeJKn6kc
Learn the theory and practical application of machine learning concepts in this comprehensive course for beginners.
https://www.youtube.com/watch?v=PcbuKRNtCUc
Learn about all the most important concepts and terms related to machine learning and AI.
NLP+
https://www.youtube.com/watch?v=fNxaJsNG3-s&list=PLQY2H8rRoyvzDbLUZkbudP-MFQZwNmU4S
Welcome to Zero to Hero for Natural Language Processing using TensorFlow!
https://www.youtube.com/watch?v=R-AG4-qZs1A&list=PLeo1K3hjS3uuvuAXhYjV2lMEShq2UYSwX
Natural Language Processing tutorial for beginners series in Python.
https://www.youtube.com/watch?v=rmVRLeJRkl4&list=PLoROMvodv4rMFqRtEuo6SGjY4XbRIVRd4
The foundations of the effective modern methods for deep learning applied to NLP.
学历+
RLHF+
[英文] What is RLHF?
https://aws.amazon.com/what-is/reinforcement-learning-from-human-feedback/
Reinforcement learning from human feedback (RLHF) is a machine learning (ML) technique that uses human feedback to optimize ML models to self-learn more efficiently.
https://www.ibm.com/think/topics/rlhf
Reinforcement learning from human feedback (RLHF) is a machine learning technique in which a “reward model” is trained with direct human feedback, then used to optimize the performance of an artificial intelligence agent through reinforcement learning.
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
PyTorch+
https://datawhalechina.github.io/thorough-pytorch/
PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。
https://www.youtube.com/watch?v=V_xro1bcAuA
Learn PyTorch for deep learning in this comprehensive course for beginners. PyTorch is a machine learning framework written in Python.
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
还有更多 •••
相关职位
社招3年以上技术类-开发
1. 计算机科学、软件工程或相关专业硕士及以上学历，3年以上后端系统或平台型产品研发经验。 2. 熟悉大模型驱动的Agent架构，具备Task Planning、Function Calling、
更新于 2026-06-15北京|杭州
社招1年以上技术类-开发
1. 硕士及以上学历，机械工程、自动化、计算机等相关专业。 2. 1 年以上机器人相关工作经验，具备真实机器人系统开发与调试经验，能够独立完成机器人平台的部署，有定位并解决系统问题（如控制抖动、通信延
更新于 2026-06-16杭州
社招3年以上技术类-算法
1. 计算机科学、人工智能、机器学习或相关领域的硕士或博士学位。 2. 在扩散模型、自回归模型、多模态生成理解、计算机视觉、NLP、AIGC、计算机图形学、机器学习等一个或多个领域有较深入的研究。 3
更新于 2026-09-14北京|杭州
社招1年以上技术类-算法
1. 计算机科学、人工智能、机器学习能等领域的博士/硕士毕业生。 2. 对上述研究方向的某一项或者几项有完整的研究经历或者实际的工业界落地经验。 3. 关注技术影响力，具有开源开放精神，对基础模型的前
更新于 2026-06-18北京|杭州|上海