【2027校招】语义大模型强化学习算法工程师

Job description

Responsibilities

• 参与Agentic RL训练工作，包括复杂 Agent 任务中的策略优化、上下文管理、工具调用、多步规划等，与 Infra 团队协同优化训练与推理效率，提升大规模训练稳定性与资源利用率。
• 参与Reasoning RL训练工作，研究基于 RLVR 的强化学习范式；提升模型复杂推理能力，探索思维链长度控制等方向，提升单位 token 的智能效率。
• 参与General RL训练工作，研究通用强化学习方向，包括 Generative Reward Model、Rubric Reward Model 等奖励机制；探索可扩展、可泛化的奖励建模与强化学习训练方法。
• 参与Mixed Training工作，研究混合训练范式，包括 On-policy Distillation 等前沿技术；探索 SFT、RL、OPD 等多阶段训练策略的协同优化。

Requirements

• 硕士及以上学历，计算机、电子信息、人工智能等相关专业，博士优先；
• 熟悉 Python，具备较强的工程实现与问题定位能力，熟练使用 Linux 开发环境；
• 熟悉 Claude Code、OpenClaw 等主流 Agent 工具，了解 VeRL、Slime 等强化学习训练框架；
• 对大模型强化学习、Reasoning、Agent 或 Reward Model 方向有深入兴趣与实践经验；

有以下经历者优先

• 在大模型、强化学习等领域有高质量论文、技术博客或开源项目；有大尺寸模型训练经验或大规模 GPU 集群使用经验。