[北京]中电信人工智能科技（北京）有限公司

职位：语义大模型强化学习算法工程师
发布时间：2026-09-30
工作地点：北京
信息来源：浙江大学
职位类型：全职
职位描述
中电信人工智能科技（北京）有限公司

招聘信息

语义大模型强化学习算法工程师

2026-09-30 10:13:03

职位描述

岗位职责：

参与Agentic RL训练工作，包括复杂Agent任务中的策略优化、上下文管理、工具调用、多步规划等，与Infra团队协同优化训练与推理效率，提升大规模训练稳定性与资源利用率。

参与Reasoning RL训练工作，研究基于RLVR的强化学习范式；提升模型复杂推理能力，探索思维链长度控制等方向，提升单位token的智能效率。

参与General RL训练工作，研究通用强化学习方向，包括Generative Reward Model、Rubric Reward Model等奖励机制；探索可扩展、可泛化的奖励建模与强化学习训练方法。

参与Mixed Training工作，研究混合训练范式，包括On-policy Distillation等前沿技术；探索SFT、RL、OPD等多阶段训练策略的协同优化。

任职要求：

硕士及以上学历，计算机、电子信息、人工智能等相关专业，博士优先；

熟悉Python，具备较强的工程实现与问题定位能力，熟练使用Linux开发环境；

熟悉Claude Code、OpenClaw等主流Agent工具，了解VeRL、Slime等强化学习训练框架；

对大模型强化学习、Reasoning、Agent或Reward Model方向有深入兴趣与实践经验；

有以下经历者优先：在大模型、强化学习等领域有高质量论文、技术博客或开源项目；有大尺寸模型训练经验或大规模GPU集群使用经验。

职位类别:计算机软、硬件/互联网/IT

专业要求:不限

招聘链接:http://u.51job.com/3q7Nfim

单位简介
中电信人工智能科技（北京）有限公司（以下简称“AI公司”）是中国电信开展人工智能业务的科技型、能力型、平台型专业公司，以央企领先、世界一流为目标，强化科技攻关，对内对外提供高质量的人工智能产品与平台服务，积极赋能千行百业，助力数字经济发展。AI公司以打造万级AI算法舱为研发目标、以成为百亿级人工智能服务商为业务发展目标，依托自有算法及设备打造多场景、多应用、可复制的标准产品和平台，进一步强化大数据和AI领域关键核心技术攻关，持续提升大数据和AI研发创新和运营能力。
AI公司倡导全面创新、求真务实、以人为本、共创价值的核心价值观，注重营造和谐、开放、包容的组织氛围，只“卷”技术，不“卷”加班，将人才作为第一资源，高度关注员工培养与发展，为员工提供广阔的发展平台与丰富的资源支持，致力于员工与公司的共同成长。

联系方式

公司地址