崗位職責：
1、從事大語言模型（LLM）預訓練算法研究、訓練、應用，涉及多語言、知識增強、模型性能提升等方面；
2、基于RLHF范式的PPO強化學習算法優(yōu)化NLP模型生成效果，減少有害、敏感或偏見相關回復；
3、支持公司通用類和垂類大模型中的強化學習模塊研發(fā)。
?
崗位要求：
1、碩士及以上學歷，計算機、數(shù)學或自動化等相關專業(yè)，兩年以上強化學習相關工作經(jīng)驗；
2、熟悉?actor-critic、Q-learning、PPO、off-policy?RL等強化學習算法，有完整訓練過PPO算法經(jīng)驗優(yōu)先；
3、對?RLHF基本原理有深入理解，有指導0-1構建數(shù)據(jù)集能力?和?訓練?RM模型經(jīng)驗者優(yōu)先；
4、追蹤了解業(yè)績最新研究成果，包括但不限于instructGPT、LLaMA等大模型；
5、在ICML、ICLR、NeurIPS、AAAI等會議或期刊上發(fā)表過論文者優(yōu)先。
6、具備良好的溝通能力，跨團隊協(xié)作能力，出色的規(guī)劃、執(zhí)行力，強烈的責任感，以及優(yōu)秀的學習能力。
職位福利：餐補、節(jié)日福利、交通補助、七險二金
職位亮點：央企正編，七險二金，餐補交通補貼
