深圳Full TimePosted Today
强化学习算法工程师-2027届AI深圳正式互联网 / 电子 / 网游职位描述本岗位聚焦于金融垂类大模型的后训练与智能体应用，核心使命是利用强化学习（RL）技术实现智能体行为的深度优化与价值观对齐，并优化其在智能体系统中的表现。你将主导从金融环境模型构建、RL智能体训练到Harness/Loop闭环搭建的全链路研发，确保大模型在金融高敏场景下具备极高的可靠性、安全性与可控性。
岗位职责：
1、金融大模型强化对齐研发：负责金融场景下的Agent RL后训练开发，主导环境模型（Environment Model）设计与Agent RL训练（涵盖PPO、GRPO等算法），完成模型调优与业务落地，全面提升模型的有用性、安全性及金融专业推理能力。
2、决策场景策略优化：针对金融对话、量化交易及投资决策等场景，构建基于强化学习的策略优化框架，自主搭建智能体Harness/Loop系统，通过AI技术与业务的深度融合，显著提升核心业务指标。
3、前沿对齐技术探索：追踪并应用世界模型（World Model）、Agentic RL等前沿技术，探索高效、轻量的训练路径，降低计算成本，提升模型迭代效率。
4、评估体系与数据闭环：设计并迭代环境与奖励建模体系，结合人工反馈与自动化指标，构建可量化的模型行为评估闭环，驱动智能体技能的持续进化。
5、技术创新与落地：紧跟强化学习与大模型智能体领域的学术前沿，探索以可扩展的方式推动技术创新在金融场景中的规模化应用。职位要求1、学历背景：硕士及以上学历，计算机科学、人工智能、自动化、应用数学、统计学等相关专业。
2、理论基础：深入理解强化学习核心算法（PPO、DQN、策略梯度等）；熟悉大模型后训练范式（SFT、RLHF、DPO、GRPO）及智能体Harness/Loop的构建原理。
3、工程能力：精通Python，熟练掌握PyTorch或JAX（有JAX实战经验者优先）；具备优秀的工程落地能力，能独立完成从模型训练调优到智能体系统搭建的全流程开发。
4、项目经验：具有大模型微调或RL训练的实际项目经验（含实验室研究或实习经历）；熟悉主流RL训练框架（如VERL、TRL、OpenRLHF等）；具备基于Agent框架（如Pi-Agent、OpenAgent等）搭建智能体系统并解决实际业务问题的能力。
加分项：
1、在NeurIPS、ICML、AAAI等顶级会议发表过RL或LLM相关论文；
2、具备奖励模型设计、偏好数据构建或线上策略优化经验；
3、拥有金融智能体系统的搭建与部署经验，或对金融市场有深刻理解和浓厚兴趣。投递