您好，猎头彬彬，合作国内外70+企业，base北上广深武汉新加坡等
游戏，跨境贸易/电商/物流，云服务/基础软件，手机/芯片，私募量化，车企，社区分享，短视频，广告， ChatGPT
职位描述：
1. 搭建强化学习模型，并不断完善和优化算法，应用在LLM alignment，多智能体博弈等场景中；
2. 研究方向包括但不限于：RM相关优化、强化学习算法优化与调优；
3. 跟踪学术界最新的研究进展和业界最新应用。
职位要求：
1. 熟悉常用的强化学习算法（DQN，DDPG，PPO，A3C 等）；
2. 在强化学习领域，有解决实际问题的调优经验，NLP领域优先，有大模型的RLHF/RLAIF等经验优先；
3. 熟练掌握Pytorch 等深度学习框架；具有deepspeed等LLM模型训练框架使用经验；
4. 具备优秀的分析和解决问题、沟通协作能力。
所发职位不全，手上职位非常多，欢迎咨询！
电话：18519274080
微信号：Brylin1991
邮箱： herocanjob@163.com
--
FROM 122.189.211.*