Agent 强化学习算法工程师 / 研究员（Agentic RL / 大模型强化学习方向）· 2026-09-16

字节即梦团队招 Agentic RL / 大模型强化学习方向算法工程师 & 研究员，实习 / 校招 / 社招均可，做国内顶尖的 AIGC 创作 Agent。

负责创作 Agent 强化学习能力建设： - 攻坚长链路任务规划、工具调用、多轮复杂创作任务 - 落地 GRPO / PPO / DPO / Reward Model 等后训练技术 - 搭建训练‑评测‑实验完整闭环 - 把前沿 Agent RL 研究真正落地到视频、图片 AIGC 真实业务 字节即梦，做国内顶尖的 AIGC 创作 Agent。团队技术氛围浓厚，大量真实业务场景，实验资源充足，期待大佬加入。

- 扎实的机器学习、深度学习、强化学习理论基础 - 熟悉 LLM 后训练：SFT、DPO、GRPO、RLHF、奖励建模 - 会 PyTorch，具备完整实验设计、调优、问题归因能力 - 对 Agent、Function‑call、长 horizon 任务有实战理解 加分项：RL 训练框架、Infra 经验、Reward System 设计、RL 相关论文