腾讯云-MaaS产品强化学习专家工程师

Job description

负责MAAS平台模型微调体系产品能力建设

• RLHF/RLAIF、DPO/GRPO/PPO等方法选型与迭代；

负责推理能力强化

• 可验证奖励（数学/代码）驱动的RL训练、长思维链优化；

建设RL基础设施

• 大规模Rollout、异步训练、奖励模型服务化；
• 探索Agentic RL与平台场景结合（工具调用、多智能体协作）；
• 与离线推理、模型评测方向协同，形成"训练—评测—推理"闭环。 Requirements 1.本科及以上学历，3年及以上相关工作经验； 2.2 年以上机器学习算法经验，其中2年以上LLM后训练/强化学习实战； 3.深入理解主流RL算法与训练框架，有大规模分布式训练经验； 4.有完整的、可陈述的RL提升模型能力的实战案例。