职位详情
带薪年假
年终奖
全勤奖
绩效奖金
交通补助
底薪加提成
团建聚餐
有无线网
五险一金
保底工资
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。