崗位職責
1. 研發和優化大模型強化學習核心算法（RLHF、RFT、ReFT、DPO、KTO、IPO、RRHF等），專注于專業研報撰寫和思維鏈優化方向
2. 構建端到端強化學習訓練管道，包括高效獎勵模型設計、策略優化算法研發和智能數據收集系統開發
3. 深度探索思維鏈(Chain-of-Thought)強化學習范式，提升模型在邏輯推理、分析論證和專業內容生成上的能力
4. 研發專業研報領域的對齊技術，提高模型輸出的專業性、準確性和可靠性
5. 設計并實現多輪推理優化算法，提升模型在復雜分析和長文檔撰寫中的連貫性和深度
6. 跟蹤大模型強化學習前沿技術，撰寫高質量技術分析報告，為團隊提供深度技術指導
任職要求
1. 計算機科學、機器學習或人工智能相關專業碩士及以上學歷
2. 具備豐富的RLHF對齊策略實踐經驗，能獨立設計和優化人類偏好建模系統
3. 熟悉并實踐過最新的強化學習算法，如Constitutional AI、思維鏈增強型RL訓練和無強化學習的偏好優化方法
4. 對專業研報結構化生成和思維鏈(Chain-of-Thought)技術有深入研究
5. 參與過大規模開放領域大模型訓練項目（如ChatGPT、Gemini、Claude類RL訓練方法論實踐）
6. 對強化學習理論體系有深入理解，并能熟練應用于大模型訓練和優化
7. 扎實的數學基礎（統計學、優化理論、信息論等），能獨立解讀頂會論文（NeurIPS/ICLR/ICML）并高效實現
加分項
1. 有經濟、科技、工業等專業領域研究報告撰寫或分析經驗
2. 熟悉ReAct、Tree-of-Thought等思維鏈增強技術的算法實現
3. 在文檔結構化生成、專業知識對齊或邏輯推理能力優化方面有研究成果
4. 對專業研報質量評估體系有研究，能構建有效的評估指標和獎勵函數
5. 熟悉大型語言模型在專業內容生成中的常見挑戰和解決方案
6. 發表過相關領域高質量研究論文
7. 開源項目貢獻經驗
8. 良好的跨團隊協作能力和技術溝通能力