|
|
| |
| |
工作地址 |
|
|
|
|
(东莞市长安镇长青南路1号长安万科中心8栋商业办公楼3401室)
用小程序查
用百度查
|
| |
职位描述 用小程序查看更多 |
|
岗位职责
1.RL训练链路主导：负责LLM强化学习全流程，包括奖励模型设计、策略迭代、效果评估与闭环优化；
2.Agentic RL方向：将RL应用于Agent能力训练，覆盖工具调用、多步规划、错误恢复、搜索 Agent 等场景，解决长程信用分配、稀疏奖励优化等问题； 训练框架与工程优化：在verl、TRL等主流RL框架上完成算法落地，适配分布式训练环境，优化训练稳定性与吞吐效率。
岗位要求
1.计算机/人工智能/数学相关专业；
2.精通Python，熟练PyTorch。有verl、TRL、Ray等RL训练框架的深度使用或二次开发经验。具备分布式训练调试能力，能定位并解决梯度异常、显存瓶颈等训练问题；
3.有模型训练经验者优先。 |
|
| |
|
|
| |
|
