大模型RLHF强化学习算法研究员（实习、校招和社招均可）

工作职责

-负责大模型Post-training（文本、视觉理解、视觉生成、omini-model）的算法研发工作

-创新大模型后训练算法（包括SFT/RLHF/RM等方向），研究大模型对齐人类偏好前瞻技术和趋势

-构建高质量RLHF训练集和评估方式，深入大模型能力分析，制定系统性高效优化方案；

-负责大规模分布式RL 训练框架开发优化，提升训练和推理效率；

任职资格

-硕士以上学习，具备自然语言处理/计算机视觉视觉的理论背景和实践经验，在AI顶会发表LLM相关论文者优先；

-深入理解大模型后训练相关技术并有一定实践经验，包括SFT/RLHF/RM等，有强化学习相关工作经验者优先；

-熟练掌握Python编程语言以及Pytorch、Tensorflow、PaddlePaddle等其中一项深度学习开发框架，有OpenRL、Verl等开源RL框架使用经验者优先

-有较强的学术比赛经验或者在知名数据集的 Leaderboard 上排名靠前优先；

-有较强的代码能力，有高质量的中大型项目或个人开源项目的经验优先；

-可长期实习者（一年及其以上）可放宽条件；

意向者可发简历至 dingsiyu@baidu.com