理聘网-职位详情页，强化学习研究员

岗位职责： 1. 以E2E自驾为应用背景， 研究基于VLM的因果链和符号规划器的强化学习框架； 2.设计提升VLM过程推理能力的总体方案; 3.负责方案的训练评测工程实施，包括RMs，Verifiers，生成合成数据等； 任职资格： 1.计算机科学、应用数学等相关专业，硕士及以上学历； 2.NLP、RL领域有扎实的研究基础，熟悉主流多模态大模型； 3.较强的工程实现能力：熟练掌握Python，熟悉Linux开发环境，精通主流深度学习框架，了解分布式训练框架并有一定的多机多卡训练经验； 4.有高质量论文发表者优先；有高质量开源项目经验者优先； 5.具备极强的学习能力和学术追求，良好的团队沟通合作能力。 注：工作地点为北京朝阳区兆维工业园