腾讯云-MaaS产品强化学习专家工程师

关于这个机会

1.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； 2.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； 3.建设RL基础设施：大规模Rollout、异步训练、奖励模型服务化； 4.探索Agentic RL与平台场景结合（工具调用、多智能体协作）； 5.与离线推理、模型评测方向协同，形成"训练—评测—推理"闭环。

任职要求

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。

内推申请说明

本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道，不等于已在公司官网投递；薪资、岗位状态和实际招聘流程以官方信息为准。