崗位職責(zé)：
1、從事大語(yǔ)言模型（LLM）預(yù)訓(xùn)練算法研究、訓(xùn)練、應(yīng)用，涉及多語(yǔ)言、知識(shí)增強(qiáng)、模型性能提升等方面；
2、基于RLHF范式的PPO強(qiáng)化學(xué)習(xí)算法優(yōu)化NLP模型生成效果，減少有害、敏感或偏見(jiàn)相關(guān)回復(fù)；
3、支持公司通用類和垂類大模型中的強(qiáng)化學(xué)習(xí)模塊研發(fā)。
?
崗位要求：
1、碩士及以上學(xué)歷，計(jì)算機(jī)、數(shù)學(xué)或自動(dòng)化等相關(guān)專業(yè)，兩年以上強(qiáng)化學(xué)習(xí)相關(guān)工作經(jīng)驗(yàn)；
2、熟悉?actor-critic、Q-learning、PPO、off-policy?RL等強(qiáng)化學(xué)習(xí)算法，有完整訓(xùn)練過(guò)PPO算法經(jīng)驗(yàn)優(yōu)先；
3、對(duì)?RLHF基本原理有深入理解，有指導(dǎo)0-1構(gòu)建數(shù)據(jù)集能力?和?訓(xùn)練?RM模型經(jīng)驗(yàn)者優(yōu)先；
4、追蹤了解業(yè)績(jī)最新研究成果，包括但不限于instructGPT、LLaMA等大模型；
5、在ICML、ICLR、NeurIPS、AAAI等會(huì)議或期刊上發(fā)表過(guò)論文者優(yōu)先。
6、具備良好的溝通能力，跨團(tuán)隊(duì)協(xié)作能力，出色的規(guī)劃、執(zhí)行力，強(qiáng)烈的責(zé)任感，以及優(yōu)秀的學(xué)習(xí)能力。
職位福利：餐補(bǔ)、節(jié)日福利、交通補(bǔ)助、七險(xiǎn)二金
職位亮點(diǎn)：央企正編，七險(xiǎn)二金，餐補(bǔ)交通補(bǔ)貼
招賢納士網(wǎng)聯(lián)盟網(wǎng)站
