哔哩哔哩(bilibili|b站)招聘【B-UP】强化学习训练框架工程师（实习）
招聘职位：
【B-UP】强化学习训练框架工程师（实习） 搜索同类职位
岗位介绍：
职位描述
工作职责:
1、参与强化学习核心算法的设计、实现与优化，探索 RL 在扩散模型去噪过程中的应用，包括但不限于 PPO、DPO、GRPO、DAPO、ReFL等内容；
2、参与强化学习训练框架建设，搭建并且持续优化 Agentic RL 链路；
3、参与奖励模型和偏好数据集的构建与迭代，设计针对多模态生成质量（美学、一致性、指令遵循）的细粒度评价信号；
工作要求:
1、本科及以上学历，计算机、人工智能、数学、自动化等相关专业；
2、了解自然语言处理、计算机视觉或多模态算法，了解主流的 DiT（Diffusion Transformer） 与 VLM（Vision-Language Model） 模型架构；
3、熟悉至少 2 种主流强化学习算法原理，熟悉至少一种强化学习训练框架；
4、熟练使用 PyTorch 框架，有从零复现顶会 RL 论文代码的能力；
5、有 Diffusion Model（DDPM/DDIM/Flow Matching）或 LLM/VLM 的后训练（SFT/RLHF/DPO）项目经验者优先；
6、在 NeurIPS/ICML/ICLR/CVPR/ACL 等会议有投稿或发表经历者优先。
投递简历
职位描述
工作职责:
1、参与强化学习核心算法的设计、实现与优化，探索 RL 在扩散模型去噪过程中的应用，包括但不限于 PPO、DPO、GRPO、DAPO、ReFL等内容；
2、参与强化学习训练框架建设，搭建并且持续优化 Agentic RL 链路；
3、参与奖励模型和偏好数据集的构建与迭代，设计针对多模态生成质量（美学、一致性、指令遵循）的细粒度评价信号；
工作要求:
1、本科及以上学历，计算机、人工智能、数学、自动化等相关专业；
2、了解自然语言处理、计算机视觉或多模态算法，了解主流的 DiT（Diffusion Transformer） 与 VLM（Vision-Language Model） 模型架构；
3、熟悉至少 2 种主流强化学习算法原理，熟悉至少一种强化学习训练框架；
4、熟练使用 PyTorch 框架，有从零复现顶会 RL 论文代码的能力；
5、有 Diffusion Model（DDPM/DDIM/Flow Matching）或 LLM/VLM 的后训练（SFT/RLHF/DPO）项目经验者优先；
6、在 NeurIPS/ICML/ICLR/CVPR/ACL 等会议有投稿或发表经历者优先。
投递简历
免责声明：
此信息由b站官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“b站官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！
