大模型安全强化学习青年研究员

以强化学习为核心手段，研究和落地大模型在漏洞挖掘、代码安全分析等安全场景的应用，支撑团队“模型漏洞挖掘”等核心任务；

设计面向安全任务的 RL 训练方案，包括任务建模、环境与沙盒构建、奖励函数设计（可执行验证、PoV 等）、训练数据构造与课程学习；

将 RL 训练能力与安全工程结合，搭建漏洞挖掘 Agent / 工具链的工程化方案，持续提升漏洞挖掘的覆盖率、准确率与自动化水平；

跟进 LLM4Security 与 Agentic RL 前沿进展，探索安全场景与强化学习结合的新方向。

人工智能、计算机、软件工程、网络空间安全等相关专业硕士及以上学历，博士优先；

具备扎实的强化学习基础，熟悉 PPO、GRPO、DPO 等主流 RL 算法，有大模型训练或 RL 训练调优实践经验；

有安全背景者优先（漏洞挖掘、Fuzzing、程序分析、二进制分析、CTF 竞赛等）；

对 AI×Security 交叉方向有浓厚兴趣，学习能力强，能快速补齐安全领域知识并与安全团队高效协作；

在模型/训练技术报告中有署名成果者优先；在相关方向顶级会议（NeurIPS / ICML / ICLR，或 S&P / USENIX Security / CCS / NDSS）有成果发表者优先。