职位描述：
1. 完善和优化RLHF/RLAIF算法，基于RLHF/RLAIF等方法提升模型性能；
3. 根据业务需求开展研究，包括但不限于：Reward Model泛化性研究、RLHF中的exploitation/exploitation机制研究等；
4. 跟踪和研究学界/业界最新进展，包括Agent技术（工具调用、长短期记忆以及规划能力），基于LLM的多智能体交互以及基于LLM的数学/科学发现等。
职位要求：
1. 熟悉大模型技术栈，在强化学习领域，有解决实际问题的调优经验，NLP领域优先，有大模型的RLHF/RLAIF等经验优先；
2. 拥有计算机、自动化、电子等相关方向博士学位，具备独立研究能力，能够跟踪学术界最新的研究进展和业界最新应用；
3. 对数据有感知，具备从业务实际出发分析和解决问题的能力，以及良好的表达和沟通能力。