职位要求
1、计算机、运筹学、人工智能、应用数学等相关专业硕士及以上学历，在生成式、强化学习领域有深入研究，发表过顶会论文者优先。主导过生成式定价/广告/推荐系统完整项目者优先。
2、精通Transformer/Diffusion/Decision Transformer等架构，有将其应用于序列决策或组合优化的落地经验，熟练掌握强化学习框架，具备复杂奖励系统设计与多目标优化能力。具备SFT/DPO/GRPO等后训练与迭代能力（含数据/评估/优化），对后训练算法有实践经验和深刻认知；拥有Agentic RL训练实操经验者优先。
3、具备大模型微调与分布式训练经验，熟悉模型量化与低延迟推理优化，能支撑亿级DAU的高并发实时决策。
