腾讯
腾讯云-MaaS产品强化学习专家工程师
职位描述
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。
任职要求
三年以上工作经验
腾讯
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。
三年以上工作经验