腾讯云-MaaS产品强化学习专家工程师

在腾讯，后台开发工程师不仅是“又快又稳”的问题解决专家，更是生态共创者。你将与技术团队一同沉淀优质代码，让它成为我们共有的宝贵资产。在不同的业务场景和技术发展阶段，你的架构思维也将帮助更多协作团队拓展新的思考。我们也珍视你的挑战精神，同时欢迎你一起参与团队愿景、文化和产品方向的探讨。

1.负责MAAS平台模型微调体系产品能力建设：RLHF/RLAIF、DPO/GRPO/PPO等方法选型与迭代；
2.负责推理能力强化：可验证奖励（数学/代码）驱动的RL训练、长思维链优化；
3.建设RL基础设施：大规模Rollout、异步训练、奖励模型服务化；
4.探索Agentic RL与平台场景结合（工具调用、多智能体协作）；
5.与离线推理、模型评测方向协同，形成"训练—评测—推理"闭环。

1.本科及以上学历，3年及以上相关工作经验；
2.2 年以上机器学习算法经验，其中2年以上LLM后训练/强化学习实战；
3.深入理解主流RL算法与训练框架，有大规模分布式训练经验；
4.有完整的、可陈述的RL提升模型能力的实战案例。