研究型实习生-高效奖励模型与在线学习研发项目

岗位职责

研究领域： 自然语言处理 项目简介： 奖励模型（Reward Model）直接定义了AI智能体的“价值观”，决定了其行为优化的方向。在国际钱包和商服场景，一个高效的奖励模型能够引导智能体学习以达成业务目标（如提升用户满意度、缩短解决时长、提高问题解决率）为核心的对话策略，是让AI从“能聊天”变为“会办事”的关键。

任职要求

研究领域：

• 目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位
• 具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go
• 具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用：
• 对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色
• 在国际会议上或核心期刊发表一份或多份出版物或论文
• 至少3个月的全职工作

特色标签

AI代理、C/C++、Golang、Java、NLP、Python、人工智能代理、会话控制、反馈模型、发表算法相关优秀论文、在线训练、增量学习、奖励建模、客服、对话管理、对话系统、强化学习、持续学习、支付、文本处理、智能代理、智能体、聊天机器人、聊天策略、评价模型、语言理解、金融