美团

对（多模态）大模型后训练以及强化学习有浓厚兴趣和较强的自我驱动力，能够主动分析解决问题； 熟悉主流强化学习算法以及训练框架（如verl，openRLHF），具有较强的编程能力； 设计、实现、优化强化学习方法，包括但不限于奖励迭代、策略梯度、模型预测控制等算法； 具备较强的团队协作能力和沟通能力，有较强的学习能力和业务分析及问题解决能力。