混元多模态强化学习（RL）算法研究员（北京/上海）

1.针对多模态模型开展强化学习算法研究，包括面向图像、视频生成的扩散模型，面向多模态理解的自回归模型，以及前沿统一多模态框架； 2.设计并开发强化学习训练框架与奖励建模策略，实现高效的大规模训练，提升训练稳定性，并解决奖励作弊等相关问题； 3.探索下一代强化学习范式，使其能更直接、更高效地从环境反馈中学习。 【任职要求】 1.本科及以上学历，计算机科学或相关专业； 2.具备出色的科研能力，在ICML、NeurIPS、ICLR、CVPR、ICCV、ECCV、SIGGRAPH等顶级会议发表过论文； 3.扎实的工程与编程能力，具备深度学习系统实现、模型训练与推理优化、CPU/GPU 加速、分布式训练与推理经验； 4.有扩散模型、自回归模型、文生图 / 文生视频生成相关经验者优先； 5.有 ACM/NOIP（信息学竞赛）参赛经历者优先。