欢迎访问上海招聘网！本站为上海找工作求职者提供上海人才招聘、上海人才市场、上海人才网等岗位信息！
职位月薪： 面议
1. 计算机、机器学习、人工智能、自然语言处理等相关专业，硕士及以上学历。2. 具有 RLHF / Reward Modeling / 偏好对齐方向的实践经验，熟悉 PPO、DPO、GRPO 等主流算法的原理与工程实现。3. 精通 Python 及 PyTorch 等深度学习框架，具备扎实的工程能力，能够独立完成从数据处理、模型训练到评测部署的全链路工作。4. 对数据质量高度敏感，具备优秀的数据分析与问题诊断能力，能够从复杂反馈信号中提炼有效的优化方向。加分项1. 熟悉主流 RL 训练框架（如 veRL ）及大规模分布式训练方案（DeepSpeed、Megatron-LM、FSDP）。2. 在 Reward Model 泛化性、Reward Hacking 缓解、偏好数据合成等方向有深入研究或实际落地经验。3. 曾在 NeurIPS、ICLR、ICML、ACL 等顶级会议发表对齐、强化学习或 NLP 相关论文，具有一定学术影响力。4. 拥有知名开源项目贡献经历，在开源社区具有较好的影响力。5. 具备线上系统用户反馈分析经验，熟悉 A/B 测试、用户行为建模等方法论。
微信扫一扫，及时了解投递状态
您目前还没有登录：立即登录1. 计算机、机器学习、人工智能、自然语言处理等相关专业，硕士及以上学历。2. 具有 RLHF / Reward Modeling / 偏好对齐方向的实践经验，熟悉 PPO、DPO、GRPO 等主流算法的原理与工程实现。3. 精通 Python 及 PyTorch 等深度学习框架，具备扎实的工程能力，能够独立完成从数据处理、模型训练到评测部署的全链路工作。4. 对数据质量高度敏感，具备优秀的数据分析与问题诊断能力，能够从复杂反馈信号中提炼有效的优化方向。加分项1. 熟悉主流 RL 训练框架（如 veRL ）及大规模分布式训练方案（DeepSpeed、Megatron-LM、FSDP）。2. 在 Reward Model 泛化性、Reward Hacking 缓解、偏好数据合成等方向有深入研究或实际落地经验。3. 曾在 NeurIPS、ICLR、ICML、ACL 等顶级会议发表对齐、强化学习或 NLP 相关论文，具有一定学术影响力。4. 拥有知名开源项目贡献经历，在开源社区具有较好的影响力。5. 具备线上系统用户反馈分析经验，熟悉 A/B 测试、用户行为建模等方法论。
企业尚未更新
上海市
扫描二维码及时订阅职位
最新职位信息第一时间知晓
上海兼职招聘
快速入职
隐私保护
薪资透明
信息可靠
手机找工作
360行任你挑选
分秒必争直达HR
谁看我简历早知道
请使用微信【扫一扫】
关注「上海易职邦招聘」公众号完成登录
客服电话：400-765-0056
竭诚为您服务
服务时间08:00-24:00
微信公众号
招聘交流群
微信小程序
面试通知
收藏
简历
足迹
微信求职
关注公众号
掌握最新求职动态
小程序
进入小程序
随时随地找工作
收藏
已收藏
小程序
微信分享
和TA聊一聊
投个简历
您已有可投递的在线简历：
公司信息
5 
人力资源服务 
500-999人
上海市;北京市;浙江省,杭州市 
给我留言
相关公司推荐
赣公网安备 36010202000584号