蚂蚁集团-大语言模型强化学习算法专家-北京/上海/杭州【AGI专项】

岗位职责

1. 负责研发大语言模型强化学习算法，提升大模型在强化学习阶段的训练效率，以及提升大模型在数学、代码等自然科学领域的推理能力

2. 负责研发奖励和评价模型，包括细粒度的过程监督和奖励建模，覆盖复杂推理、指令遵循等各种任务

3. 参与后训练和推理阶段的Scaling Law研究，包括奖励模型训练、强化学习训练、推理阶段的Scaling Law

任职要求

1. 硕士及以上学历，计算机科学或相关专业背景

2. 有大模型相关的研究经历，在post-training方向具备一定的训练经验，熟悉奖励模型建模，PPO/REINFORCE/RLOO等主流强化学习算法

3. 具备扎实的算法工程实现能力，熟悉Python编程语言和PyTorch深度学习框架，熟悉DeepSpeed/Megatron等主流分布式训练框架

4. 具备良好的分析和问题解决能力、优秀的工程素养，能够独立思考和解决实际问题

5. 具备较强的团队合作能力和沟通能力，能够与工程团队、业务团队、产品团队和其他技术团队紧密配合 加分项：

6. 在语言大模型和机器学习领域有科研或实践经验，在国际顶级会议/期刊发表过高质量论文

7. 在大数据处理、大规模分布式计算、分布式训练等领域有科研或实践经历

特色标签

DeepSpeed、Megatron、Python、PyTorch、RL、云计算、优化、分布式计算、发表算法相关优秀论文、多步推理、大数据、大模型、大模型算法、奖励函数、并行训练、强化学习、微调、扩展法则、指令执行、指令理解、推理性能、智能研发、深度强化学习、算法工程化经验、精细监督、缩放规律、自然语言处理、训练性能、评价模型、语言模型、高级推理