火星网校
职位描述
- 强化学习
- 自然语言处理算法
- C/C++
岗位职责：
深入研究、训练和应用大规模预训练模型（LLM），包括但不限于多语言、多模态、训练任务的优化、下游任务的迁移、知识融合更新和模型性能的提升等。在此过程中，着重强调与强化学习相关的应用。
利用基于强化学习的 PPO 算法进行微调自然语言处理预训练模型，以实现各类任务的对齐与性能提升。
积极参与公司领域特定的 GPT 模型的强化学习与自然语言处理模块的研发，为其增添RLHF（Reinforcement Learning with Human Feedback）元素。岗位要求：
硕士及以上学历，专业背景可包括自动化、计算机科学、机械工程等相关领域。
精通强化学习领域的多种算法，包括但不限于 Actor-critic、GAIL、Q-Learning、PPO、Offline RL 等。能够将这些算法应用于自然语言处理任务中。
深刻理解强化学习与自然语言处理领域的基本原理，具备训练 RM（Reward Models）、PPO（Proximal Policy Optimization）、DPO（Deep Policy Optimization）等方面的经验。
具备从零开始构建强化学习与自然语言处理训练集的能力，以满足特定任务的需求。
出色的沟通与协作能力，具备跨团队合作的经验，拥有卓越的项目规划和执行能力。
精通大规模模型的微调方法，能够有效应用多机并行策略，以实现任务效率与性能的提升。
深入了解学术界与行业内最新的研究成果，包括但不限于对 instructGPT、LLaMa 等前沿技术的熟悉。
优先考虑在国际顶级会议或期刊（如 ICLR、ICDE、ICML、NeurIPS、AAAI）上发表过相关领域论文的候选人。
