【快Star】强化学习算法研究员

职位描述:
1、面向多模态模型，负责强化学习、奖励模型等算法研究与落地； 2、构建适用于多模态生成的 reward 体系，推动模型从监督训练走向持续优化和自我提升。  

任职要求:
1、在强化学习、多模态生成模型、模型对齐、奖励模型等至少一个方向有项目经验； 2、具备扎实代码能力和实验能力，有大模型训练、调参、debug 经验；  3、好奇心强，思路灵活，做事靠谱细致，有责任心，能推动开放问题持续迭代；  4、熟练使用 AI coding/agent 工具，能够提升研发和实验效率。    加分项：  1、有顶会论文、开源项目、产品落地或大规模模型训练经验；  2、在ACM-ICPC、NOI / IOI 等竞赛中取得优秀成绩。