（大模型专项）强化学习算法实习生

Job description

1、支持大模型强化学习算法研发，​​负责设计并实现核心强化学习策略，针对多模态大模型场景优化训练效果、稳定性及效率； ​2、​前沿强化学习技术研究与落地，深入追踪强化学习领域最新进展。结合公司核心业务场景，探索创新算法方向并主导技术应用转化，确保技术领先性； ​​3、大模型强化学习核心技术探索，聚焦大模型在强化学习阶段的关键技术挑战（如奖励函数设计、稀疏奖励、探索效率、泛化能力等），提升模型解决复杂任务的能力； ​​4、技术沉淀与知识共享，撰写高质量技术报告与研究论文，积极进行内外部技术分享，促进团队技术成长与影响力提升。 1、计算机科学与技术、机器学习、人工智能或相关专业，硕士及以上学历； ​​2、​​具备扎实的机器学习/深度学习理论基础，​​精通至少一种主流深度学习框架​​（如PyTorch, TensorFlow）； ​​3、​​拥有强化学习相关的项目实践经验，符合以下条件者优先：​​在NeurIPS/ICML/ICLR等顶级机器学习/人工智能会议发表论文；深度参与或主导过有影响力的AI（开源或闭源）项目； ​​4、具备严谨的实验设计、数据分析及解决复杂技术难题的能力；对技术创新充满热情，能主动探索和突破技术边界；具备优秀的技术表达能力和团队协作精神，能有效推动跨团队合作。