Dots-【Ace顶尖实习生】下一代强化学习范式研究统

本课题面向大规模 MoE 模型在复杂任务上的强化学习方法研究，其核心挑战在于：稀疏的结果奖励在复杂任务中无法为中间过程提供有效训练信号；MoE 架构下专家路由在策略更新中引入额外的训练不稳定性；随模型能力提升，可靠的外部监督信号愈发稀缺，单纯依赖人工反馈的范式遭遇天花板。研究将围绕以下核心问题展开：如何构建不依赖人工标注的内在奖励信号（Intrinsic Reward），实现过程级稠密训练反馈；如何解决复杂环境下超大规模 MoE 架构下 RL 训练的稳定性问题；如何设计自我进化机制（Self-Evolving），使模型在迭代训练中持续突破能力边界；以及如何通过多专家知识融合（Multi-Teacher）将异构模型的互补能力有效整合，构建更强、更泛化的统一模型。 【任职要求】 1、不限年级，本科及以上在读，计算机/人工智能/软件工程等相关专业优先； 2、优秀的代码能力、数据结构和基础算法功底，熟练掌握至少一门编程语言，包括但不限于Python等； 3、有LLM/MLLM等多模态理解技术背景，或大规模模型训练实际项目经验者优先； 4、在TPAMI/CVPR/NeurIPS/ICCV/ICML/ICLR等顶级期刊会议上发表相关论文者优先； 5、良好的沟通协作能力，责任心强，积极主动，能和团队一起探索新技术，推进技术进步。