岗位职责：
1.负责LLM强化学习链路整体优化，包括数据探索与增强、奖励模型优化、RL策略迭代及效果评估等，持续提升算法的效率与效果；
2.强化学习技术前瞻探索，包括但不限于离线强化学习、环境模型学习、约束强化学习等方向；
3.开展大语言模型在搜索、推荐、广告等业务场景中的应用并实现业务目标。

岗位基本要求：
1.三年以上相关工作经验，具备搜索、推荐、广告等至少其一领域的算法优化和业务实践；
2.扎实的算法基础，熟悉强化学习、自然语言处理和机器学习技术，对技术开发及应用有热情；
3.具备RL算法优化和项目实践经验，熟悉DQN、TRPO、PPO、SAC、BCQ、MCQ、SUNRISE等强化学习算法，能够基于实际业务问题优化算法；
4.熟悉Python、Java等至少一种编程语言，具有良好的编程能力和扎实的数学理论基础；
5.熟悉Tensorflow、PyTorch等深度学习框架并有实际项目经验；
6.关注行业前沿进展，对技术开发及应用有热情，有自己的想法并乐于挑战自我；
7.良好的沟通能力和跨团队协作能力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标。

具备以下优先：
1.在ICML、KDD、SIGIR、WWW、ICLR等顶级会议或期刊上发表过论文者优先。获得过国际或国内赛事奖项者优先；
2.有大语言模型算法优化和大规模分布式RL框架优化经验优先。