科大讯飞
校招AI研究算法工程师-后训练强化学习方向(J13374)
合肥 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 1、重点院校计算机科学、人工智能、自动化、电子信息、数学等专业毕业，硕士及以上学历。
- 2、对大模型能力提升具有强烈兴趣，具备扎实的大模型强化学习算法和训练基础，熟悉PPO、GRPO、OPD等常见的大模型后训练和强化学习算法，拥有大语言模型强化学习相关实习或项目经历。
- 3、具有扎实的编程和计算机基础，精通Python等语言，具备优秀的编程习惯和工程实现能力，熟悉Linux开发环境，熟练掌握Git及AICoding类常用研发工具。
- 4、具备较强的实验设计和分析能力，能够通过对照实验、消融实验和 Bad Case 分析定位模型问题。
- 5、具备良好的沟通协作能力、自驱力和责任意识，能够独立推进研究任务，愿意持续解决开放性、高不确定性的技术问题。
- 此岗位为科大讯飞集团统一招聘岗位，人员通过简历筛选、初试、复试、终审等环节后录用。
- 加分项
- 1、在算法编程竞赛、数学竞赛或其他相关机器学习比赛中取得过优异成绩。
- 2、在 NeurIPS、ICML、ICLR、ACL、EMNLP、AAAI 等机器学习或自然语言处理会议发表过高水平论文。
- 3、有大规模分布式强化学习、异步 Rollout、训推一体化或多机多卡训练经验。
岗位描述
- 1、研究面向大语言模型的强化学习算法及后训练新范式，包括但不限于RLHF、RLVR、RLAIF、OPD等方法，探索通过强化学习训练实现后训练Scaling Law。
- 2、面向复杂推理、代码生成、工具调用和智能体任务，从RL训练数据构建、多目标奖励模型优化、生成式奖励模型、过程监督奖励模型、RL算法调优等多方面提升模型的探索能力和任务完成能力。
- 3、与基础设施团队协作，建设面向代码工程、复杂工具调用的强化学习高效训练环境和评测体系，形成任务生成、轨迹采样、奖励计算、策略训练和效果分析闭环，提升大规模强化学习的训练效率和稳定性。
- 4、跟踪大模型后训练强化学习领域的前沿进展，复现、验证并改进相关算法，探索研究具有长期价值的后训练新范式。
- 1、重点院校计算机科学、人工智能、自动化、电子信息、数学等专业毕业，硕士及以上学历。
- 2、对大模型能力提升具有强烈兴趣，具备扎实的大模型强化学习算法和训练基础，熟悉PPO、GRPO、OPD等常见的大模型后训练和强化学习算法，拥有大语言模型强化学习相关实习或项目经历。
- 3、具有扎实的编程和计算机基础，精通Python等语言，具备优秀的编程习惯和工程实现能力，熟悉Linux开发环境，熟练掌握Git及AICoding类常用研发工具。
- 4、具备较强的实验设计和分析能力，能够通过对照实验、消融实验和 Bad Case 分析定位模型问题。
- 5、具备良好的沟通协作能力、自驱力和责任意识，能够独立推进研究任务，愿意持续解决开放性、高不确定性的技术问题。
此岗位为科大讯飞集团统一招聘岗位，人员通过简历筛选、初试、复试、终审等环节后录用。
加分项
- 1、在算法编程竞赛、数学竞赛或其他相关机器学习比赛中取得过优异成绩。
- 2、在 NeurIPS、ICML、ICLR、ACL、EMNLP、AAAI 等机器学习或自然语言处理会议发表过高水平论文。
- 3、有大规模分布式强化学习、异步 Rollout、训推一体化或多机多卡训练经验。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。