base： 北京&上海
岗位职责：
1. 面向MATH、Coding&SWE、Agent等场景，探索大规模的RL scaling问题，提升模型Reasoning能力。
2. 利用强化学习算法进行偏好对齐，主要研究没有明确的GroundTruth Signal 下的Scalable RLHF问题，构建Verifier、Model、Tool为一体化的Feedback System，为RL提供准确、鲁棒、可泛化的信号，最大程度延缓RM hacking问题，对齐human values。
3. 探索当AI超越人类时， 实现Scalable Oversight的潜在观察研究方法，并进一步应用于 AI-Alignment；探索High Order的递归自我增强方案。
职位要求：
1. 硕士/博士及以上学历（或在读），计算机/数学等相关专业优先；
2 熟悉LLM、RL、NLP领域的技术，有 ICML、ICLR、NeurIPS、ACL、CVPR、AAAI 等顶级学术会议发表过有影响力研究成果的优先；
3. 对大模型 RL 技术有极大热情的优先，熟悉任意一种RLHF框架（包括不限于openRLHF、Trlx、Verl等）；
4. 具备卓越的实验分析与问题解决能力，有创新思维，能够良好沟通、与团队成员高效协作；有 AI Alignment 相关研究或大模型应用项目经历的优先；
有兴趣的同学私聊 #小红书大模型 #实习生 #rlhf强化学习 #点点
岗位职责：
1. 面向MATH、Coding&SWE、Agent等场景，探索大规模的RL scaling问题，提升模型Reasoning能力。
2. 利用强化学习算法进行偏好对齐，主要研究没有明确的GroundTruth Signal 下的Scalable RLHF问题，构建Verifier、Model、Tool为一体化的Feedback System，为RL提供准确、鲁棒、可泛化的信号，最大程度延缓RM hacking问题，对齐human values。
3. 探索当AI超越人类时， 实现Scalable Oversight的潜在观察研究方法，并进一步应用于 AI-Alignment；探索High Order的递归自我增强方案。
职位要求：
1. 硕士/博士及以上学历（或在读），计算机/数学等相关专业优先；
2 熟悉LLM、RL、NLP领域的技术，有 ICML、ICLR、NeurIPS、ACL、CVPR、AAAI 等顶级学术会议发表过有影响力研究成果的优先；
3. 对大模型 RL 技术有极大热情的优先，熟悉任意一种RLHF框架（包括不限于openRLHF、Trlx、Verl等）；
4. 具备卓越的实验分析与问题解决能力，有创新思维，能够良好沟通、与团队成员高效协作；有 AI Alignment 相关研究或大模型应用项目经历的优先；
有兴趣的同学私聊 #小红书大模型 #实习生 #rlhf强化学习 #点点
