强化学习研究员· 2026-08-27

寻找对 RL 有极致信仰的你！薪资对标头部大厂，宽松自由的极客氛围，算力管够，鼓励开源，与国内顶尖 AI 团队并肩。

职责一：RLHF 的「终极形态」——研究语言及多模态大模型在 RLHF 阶段的广义强化算法，探索大模型自我进化的路径，让 AI 自己学会成长。 职责二：智能体「指挥官」——深入研究大模型驱动的智能体算法，包括但不限于 ReAct、Voyager、WebGPT、AutoGPT，让 AI 从「聊天机器」进化为能「规划 + 执行」的自主智能体。 团队提供：薪资对标头部大厂；宽松自由的极客氛围，算力管够，鼓励开源；与国内顶尖 AI 团队并肩，每一行代码都在定义下一代智能体的行为逻辑。