岗位职责：1、研究基于强化学习的(多模态)大模型后训练理论与算法，解决探索能力弱、稀疏奖励、奖励hacking、训练不稳定、训练效率低等问题，提升算法的性能与采样效率。
2、面向大模型安全问题，探索强化学习驱动的大模型内生安全演化机制，构建多维度安全评价指标体系，实现安全能力的自适应演化。
3、紧跟强化学习前沿动向，开展强化学习前沿理论与算法研究，探索大模型强化学习高价值场景。
任职要求：1、博士学历，计算机科学 / 人工智能 / 应用数学等相关专业；
2、在强化学习、人工智能方面有扎实的研究基础与成果，熟悉（多模态）大模型、AI安全、智能体等前沿方向；
3. 具备良好的数学建模与代码实现能力，精通 Python，熟悉 PyTorch/TensorFlow 等AI框架。
4、具有良好的沟通协作能力，工作积极主动，能够与团队融洽合作，一起探索新技术，推进技术进步。

加分项：
1、具有优秀的理论算法基础，在NeurIPS、ICLR、ICML等顶级会议/期刊上发表论文者优先；
2、具有优秀的代码能力，曾在编程竞赛中取得优异成绩者优先
3、熟悉大模型强化学习训练框架（例如VERL、OpenRLHF、TRL）