面向多模态生成的强化学习研究

研究面向多模态生成模型的强化学习算法。重点包括但不限于：

1. 01

   研究强化学习RL算法，使得模型能够根据任务目标和人类偏好得到持续优化；

2. 02

   研究视频生成和多模态生成中的奖励模型（Reward Model）系统，使得在复杂场景、实际应用场景中可泛化，可给出准确可靠的奖励信号；

3. 03

   研究强化学习新方案，比如结合RL和蒸馏，模型的自进化等。

1. 01

   对于多模态生成、强化学习RL、奖励模型（Reward Model）等至少一个方向有深入项目经历和经验；

2. 02

   具备大模型训练、调参、实验分析和问题排查能力；

3. 03

   对数据有感觉、认同数据价值，能够深入分析数据、构建数据方案；

4. 04

   好奇心强，思路灵活，做事认真负责，愿意挑战开放问题；

5. 05

   熟练使用 AI 工具提升研发效率。 加分项

6. 01

   有大规模强化学习、奖励模型直接训练和交付经验；

7. 02

   有顶会论文、开源项目、产品落地经验等；

8. 03

   在ACM、NOI等竞赛中取得优秀成绩。