【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

3. Search/Retrieval场景下的reasoning技术研究

【能够提供的资源】

1. 充足的计算资源

2. 专注的研究环境

3. 校招转正机会

4. 参与大规模模型的全流程训练

【岗位要求】

1. 熟练使用PyTorch、transformers等常见框架，具备LLM分布式训练调优经验，扎实的算法基础

2. 已在顶级会议发表过文章（包括但不限于NeurIPS, ICML, ICLR, ACL, NAACL, EMNLP, TPAMI...）

3. 熟悉常见强化学习算法，有PPO/GRPO等实战经历优先

Base地：北京/杭州（可选）

实习期：≥6个月

实习生待遇: 实习工资参考通义实验室25实习生标准、提供入职交通补贴+异地实习租房补贴

期待你的加入！简历投递: cyrdoco_qiao@pku.edu.cn

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……

持续招聘中~~~~

cyrdoco (cyrdoco) 在 ta 的帖子中提到：

【研究方向】

1. 强化学习关键技术研究（包括但不限于self evolution/critic, Outcome/process/preference reward model, Agentic RL）

2. LLM Agent相关技术研究

……