Beijing, Shanghai, ShenzhenFull-timeChinese JD· Posted Jul 20, 2026
From SenseTime’s original posting
- 针对多模态大模型设计并实现强化学习算法,提升模型在推理、工具调用、Agentic 能力上的表现。
- 参与大模型的强化学习训练流水线设计与实现,包括奖励建模、策略优化、对齐训练等环节。
- 关注行业内顶尖机构在 Agentic RL、多智能体学习、多模态推理 等方向的最新成果,基于前沿研究提出创新性方法,推动模型在复杂推理、长程规划、多轮对话等方向的突破。
1. 拥有计算机科学、人工智能、统计学、应用数学或相关领域的硕士及以上学历。 2. 熟悉主流的强化学习算法(如 PPO, GRPO, GSPO 等)及其在大型模型上的应用。 3. 熟悉 Python 编程,并熟练掌握至少一种主流深度学习框架(PyTorch)。 4.熟悉常见 AI 编程工具(如 Claude Code、Cursor、GitHub Copilot等),能将其有效融入日常开发工作流,具备借助 AI 工具进行代码编写、调试及提效的主动意识。