夸克算法工程师-强化学习

任职要求

1. 机器学习、自然语言处理、计算机视觉、语音、跨模态表征学习等相关专业的硕士生/博士生，有扎实的研发经验；
2. 熟悉常用的机器学习框架，如PyTorch 等，熟悉 Python编程语言，有强化学习训练系统、大模型训练系统及相关底层代码库的工程开发优化经验者优先；
3. 熟悉大语言模型或多模态大模型基本知识，对GPT、Claude等闭源模型以及LLaMA、Qwen等开源模型和相关多模态大模型有基础了解和上…

工作职责

1. 开展大语言模型、多模态生成/理解大模型复杂推理能力、可信性研究和奖励模型，包括但不限于自然语言处理、视觉理解、多模态生成与理解等；
2. 开展多模态大模型后训练阶段的强化学习算法研发迭代，包括：基于人类、AI、环境反馈的强化学习算法的优化升级，覆盖规则遵循、复杂推理等多个任务的多目标强化学习训练算法研发和调优，设计并实施实验；
3. 关注和学习最新前沿研究，参与学术讨论和技术交流，撰写研究报告、技术文档或论文，鼓励在国际顶级期刊或会议上发表研究成果。