（先加微信：duke-simon 拿项目手册，画像精准再做单） 1、负责深⼊探索和追踪强化学习领域的前沿算法及技术动态，及时将其应⽤于公司业务场景，推动业 务发展。 2、负责强化学习算法的研究与开发⼯作，包括但不限于奖励模型的设计与优化、强化学习算法的实现 及效果调优等，以提升模型的性能和效率。 3、对现有强化学习模型进⾏评估和优化，针对实际业务问题提出有效的解决⽅案，持续提升⾳乐⼤模 型偏好对⻬能⼒。 4、撰写技术⽂档，记录算法设计、实现过程及实验结果，为团队成员提供技术⽀持和知识共享。

1、计算机科学、数学、⼈⼯智能、机器学习等相关专业，本科及以上学历，硕⼠学历优先。 2、必须具备强化学习在⼤模型（⼤语⾔模型、图像模型、⾳频对话模型领域的经验）。 3、具备扎实的数学基础，熟悉概率论、线性代数、数值优化等数学⼯具在强化学习中的应⽤。 4、具备强化学习实践经验，熟悉经典强化学习算法，以及深度强化学习的前沿技术，如DPO、PPO、 GRPO等。 5、具备⼤语⾔模型奖励模型开发、强化学习调优经验者优先。 6、具备较强的问题分析和解决能⼒，能够快速定位并解决强化学习模型开发过程中遇到的各种问题。 7、熟练掌握深度学习的理论和⽅法，精通PyTorch、TensorFlow等主流深度学习框架，能够灵活运⽤ 其进⾏模型搭建和训练。 8、具备良好的数据洞察能⼒，能够从数据中挖掘有价值的信息，为算法优化提供依据。 9、加分项：有⾳乐背景、热爱⾳乐、具备强烈的进取⼼和求知欲，热衷于追求技术创新，能够不断学 习和掌握新的技术和⽅法。