夸克智能信息-大模型训练优化专家-强化学习
任职要求
1. 3年及以上大模型训练工程经验，有扎实的深度学习算法基础，精通各类大模型常用训练框架，熟练掌握各种编译、调试、性能分析工具； 2. 熟悉强化学习算法PPO、DPO、GRPO、DAPO等以及相应的高效工程实现，有大模型强化学习工程支持经验和效果优化经验； 3. 精通ray分布式计算框架开发实现，掌握一种或多种分布式训练框架（…
工作职责
1、负责千卡以上规模文本及多模态大模型强化学习训练框架建设；为Quark、通义等过亿用户，提供大模型后训练能力，持续优化模型效果； 2、负责调研和实现业界先进的强化学习方法，并探索算法工程结合的训练方法创新设计，实现模型性能和训练效率的双提升； 3、负责训练效率极致优化，通过前沿技术的调研、引入，以及机制创新，实现业界领先的训练吞吐能力。
1、 主导/核心参与全模态大模型（文本、图像、视频、音频、3D等）的模型架构与核心算法设计、训练及优化，探索跨模态对齐、多模态融合和原生多模态等前沿技术创新； 2、 开发全模态大模型在具体场景中的应用落地（如实时AI视频通话等方向），将全模态大模型技术与业务需求结合，推动场景化落地； 3、 解决全模态大模型训练和推理的挑战性问题（如模态对齐、长序列建模、高效推理等），跟踪相关领域在学术界与工业界的最新进展等。
1.深入探索LLM在医疗问答场景（如多轮对话、智能诊断）中的效果提升方案，推动行业前沿技术在业务中规模化应用。构建面向医疗领域的强化学习训练框架，设计合理的Reward Model，通过PPO/GRPO等算法实现模型对齐与可控生成。 2.结合消融实验和归因分析，定位影响模型效果的关键因素，制定分层优化策略 3.参与制定数据标注标准，参与构建多维度评测体系。负责从数据挖掘、RL训练策略设计、模型调优到效果评估的全流程开发，持续提升模型在医疗业务上的表现。
通过强化学习提升万亿级参数大模型的决策认知能力，实现大模型在复杂环境下的多模态交互，完成多轮感知-决策闭环，在前沿实践中推动AGI落地； 研发新一代大模型强化学习算法，提升大模型在多模态、工具调用、复杂环境交互、多智能体交互等方向的基础能力； 改进大规模分布式强化学习框架，优化万卡集群下的高效分布式训练效率，支持大模型与复杂环境/工具的高效交互； 将强化学习研究成果融入夸克产品生态，打造更懂用户的智能服务产品, 让前沿技术惠及亿万用户。
1. 负责面向AI教育领域战略级内容产品建设和应用，结合大模型前沿技术解决行业核心问题。 2. 负责提升面向核心任务的大模型后训练和综合效果迭代。通过大模型、NLP、强化学习等级技术完善智能决策、内容理解等核心领域的应用技术体系。