精品一久久_日韩成人激情_av2016天堂网_国产成年片_日日影视_精品国产观看

【崗位職責(zé)】 1、設(shè)計并實(shí)施基于端到端強(qiáng)化學(xué)習(xí)的Agent模型訓(xùn)練框架，構(gòu)建Agent模型的行動空間和決策機(jī)制，實(shí)現(xiàn)端到端優(yōu)化，優(yōu)化Agent的推理鏈路、工具使用和長期規(guī)劃能力。 2、開發(fā)適用于垂直領(lǐng)域的強(qiáng)化學(xué)習(xí)環(huán)境和獎勵機(jī)制，研究自監(jiān)督和半監(jiān)督學(xué)習(xí)方法，減少對標(biāo)注數(shù)據(jù)的依賴； 3、將Agent技術(shù)應(yīng)用到實(shí)際場景，跟蹤并應(yīng)用最新的學(xué)術(shù)和工業(yè)界Agent技術(shù)進(jìn)展。 【任職要求】 教育背景：計算機(jī)科學(xué)、人工智能、機(jī)器學(xué)習(xí)或相關(guān)領(lǐng)域的碩士以上學(xué)位 工作經(jīng)驗(yàn)：2年以上大語言模型研發(fā)經(jīng)驗(yàn)，特別是在大模型后訓(xùn)練優(yōu)化方面；具有深厚的端到端強(qiáng)化學(xué)習(xí)理論基礎(chǔ)和實(shí)踐經(jīng)驗(yàn)； 技能要求：熟悉PPO、GRPO等先進(jìn)強(qiáng)化學(xué)習(xí)算法，并能應(yīng)用于LLM-Agent開發(fā)有設(shè)計和實(shí)現(xiàn) Agent行為模擬環(huán)境的經(jīng)驗(yàn)；熟悉Pytorch深度學(xué)習(xí)框架，熟悉大語言模型在Agent系統(tǒng)中的角色和優(yōu)化方法；優(yōu)秀的Python/C++編程技能。 【加分項(xiàng)】 1、有ReAct、Reflexion、Tool-Learning等Agent框架設(shè)計和實(shí)現(xiàn)經(jīng)驗(yàn)； 2、有解決探索-利用(Exploration-Exploitation)平衡問題的實(shí)踐經(jīng)驗(yàn)； 3、熟悉多智能體強(qiáng)化學(xué)習(xí)系統(tǒng)有垂類領(lǐng)域(如金融、醫(yī)療、教育等)Agent開發(fā)經(jīng)驗(yàn)； 4、有開源Agent項(xiàng)目的貢獻(xiàn)經(jīng)歷熟態(tài)模型壓縮和高效推理技木，能夠優(yōu)化Agent系統(tǒng)性能； 5、在期刊會議發(fā)表過 Agent或強(qiáng)化學(xué)習(xí)相關(guān)研究論文者優(yōu)先。