# 混元多模态强化学习后训练算法工程师（框架协同方向）（北京/上海）

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 腾讯 (Listed company)
- Locations: Unknown
- Role: Algorithm
- Apply on the official site: https://careers.tencent.com/jobdesc.html?postId=1993151465203589120

## Role description from source

1.算法-框架协同设计：作为算法与框架团队之间的技术桥梁，深入理解多模态大模型后训练算法（如RLHF、DPO、课程强化学习等）的原理与演进趋势，并将其转化为对底层框架的功能需求，为框架架构设计建言献策；
2.训练流程优化与评测：主导或深度参与后训练流程（如多模态SFT、RLHF）的搭建、优化与效果评测。关注训练稳定性、效率及泛化能力，特别是针对跨模态对齐、奖励函数设计及策略优化等环节提出系统性改进方案；
3.技术调研与瓶颈攻关：主动跟踪学术界与工业界在多模态强化学习后训练领域的前沿进展。针对训练中出现的瓶颈（如OOD泛化不足；
4.模态融合冲突等），进行根因分析，并与框架团队协作制定解决方案；
5.跨团队支持与知识沉淀：高效协同框架开发、硬件优化及业务算法团队，确保技术方案落地。撰写高质量的技术文档、设计稿与实验报告，并组织内部分享，推动团队整体技术认知提升。
职位要求
1.学历与技术背景：拥有计算机科学、人工智能、电子工程、自动化等相关专业的硕士及以上学历。具备扎实的机器学习/深度学习基础，对多模态大模型和强化学习后训练技术栈有深入理解；
2.核心算法与工程能力：精通Python编程，熟练掌握PyTorch等深度学习框架。对Transformer、Diffusion等模型架构有深刻理解；
3.深刻理解SFT、RLHF、DPO等后训练算法的原理、流程及常见挑战（如训练不稳定性、奖励黑客行为等）；
4.具备优秀的工程实现和调试能力，能够快速验证算法想法，并进行严格的实验分析以评估性能；
5.框架协同与系统视角：；
6.熟悉至少一种主流大模型训练/推理框架（如Megatron-LM、DeepSpeed、VLLM），了解其架构设计思想；
7.能够从算法视角评估框架的易用性、扩展性和性能，并提出改进建议。有使用VERL、OpenRLHF等后训练框架的经验者更佳；
8.软技能：具备出色的跨团队沟通能力，能清晰地在算法和工程团队之间翻译需求、阐明方案。拥有强烈的责任心、自驱力和解决复杂问题的热情。
工作年限（官方顶部字段）
三年以上工作经验

---
opening_id: 97e1c0b3-4221-424c-aa30-c07bf9800a4b

`anm openings save --id 97e1c0b3-4221-424c-aa30-c07bf9800a4b`