职责和要求

职责描述
1、负责深入探索和追踪强化学习领域的前沿算法及技术动态，及时将其应用于公司业务场景，推动业务发展。
2、负责强化学习算法的研究与开发工作，包括但不限于奖励模型的设计与优化、强化学习算法的实现及效果调优等，以提升模型的性能和效率。
3、对现有强化学习模型进行评估和优化，针对实际业务问题提出有效的解决方案，持续提升音乐大模型偏好对齐能力。
4、撰写技术文档，记录算法设计、实现过程及实验结果，为团队成员提供技术支持和知识共享。

任职要求
1、计算机科学、数学、人工智能、机器学习等相关专业。
2、具备扎实的数学基础，熟悉概率论、线性代数、数值优化等数学工具在强化学习中的应用。
3、具备强化学习实践经验，熟悉经典强化学习算法，以及深度强化学习的前沿技术，如DPO、PPO、GRPO等。
4、具备大语言模型奖励模型开发、强化学习调优经验者优先。
5、具备较强的问题分析和解决能力，能够快速定位并解决强化学习模型开发过程中遇到的各种问题。
6、熟练掌握深度学习的理论和方法，精通PyTorch、TensorFlow等主流深度学习框架，能够灵活运用其进行模型搭建和训练。
7、具备良好的数据洞察能力，能够从数据中挖掘有价值的信息，为算法优化提供依据。
8、加分项：有音乐背景、热爱音乐、具备强烈的进取心和求知欲，热衷于追求技术创新，能够不断学习和掌握新的技术和方法。