强化学习与贝叶斯优化算法工程师（LLM 方向）

Job description

岗位职责

• 负责强化学习算法的研发与落地，包括但不限于策略优化、离线强化学习、多智能体协作等方向，支撑决策与控制类业务场景。
• 基于贝叶斯优化框架，开展超参数调优、黑盒函数优化、实验设计与自动调参系统的设计与实现。
• 结合大语言模型能力，探索 RLHF、RLAIF、在线对齐等方向的算法创新，参与语言模型后训练中的强化学习环节研发。
• 跟踪前沿学术进展，复现并改进经典与 SOTA 算法，完成算法原型验证、性能评测与工程化落地。
• 与产品、工程团队协作，将算法能力封装为标准化组件，支撑业务迭代。

岗位要求

学历专业：硕士及以上学历，计算机、数学、统计、自动化等相关专业 知识技能：

• 扎实的强化学习理论基础，熟悉值函数方法（DQN 系列）、策略梯度方法（PPO、A2C、SAC 等）、离线 RL 等主流算法，具备至少一个方向的完整实现经验。
• 精通贝叶斯优化原理，深入理解高斯过程、采集函数（EI、PI、UCB 等）、多保真优化等核心技术，有实际调优系统开发经验优先。
• 具备大语言模型相关实践经验，了解 Transformer 架构、预训练与对齐基本流程，有 RLHF/DPO 相关项目经验者优先。
• 熟练使用 Python 及 PyTorch/TensorFlow 等深度学习框架，具备良好的代码规范与工程实现能力。
• 具备优秀的数学功底与逻辑分析能力，能独立阅读顶会论文并完成算法复现。

工作经验

1-2 年算法研发相关工作经验 语言：中文、英文4级 其他：

• 在 ICML、NeurIPS、ICLR 等顶会发表过强化学习、贝叶斯优化或大模型相关论文。
• 有开源强化学习框架（如 Stable Baselines、RLlib）或贝叶斯优化库（如 BoTorch、Optuna）的二次开发或贡献经验。
• 具备推荐系统、自动驾驶、机器人、AIGC 等任一领域的强化学习落地经验。