大模型强化学习青年研究员/工程师（网安方向）

负责面向网络安全场景的大模型训练与能力建设，基于长程 Coding、多轮工具调用等能力，重点提升模型的漏洞挖掘、漏洞利用能力； 面向网安与 Coding 任务开展大模型强化学习训练，研究可验证奖励、任务轨迹采样、长程信用分配、执行反馈和训练稳定性等关键技术，提升模型解决复杂任务的能力； 建立覆盖代码生成与调试、工具调用可靠性、长程任务成功率及安全任务泛化能力的评测体系，推动模型能力在实际网络安全场景中的落地。

计算机科学、人工智能、网络安全或相关专业硕士及以上学历，具备大模型训练、代码模型或智能体方向研究与工程经验； 熟悉大模型预训练及后训练流程，掌握 SFT、DPO、强化学习、奖励模型等技术中的一种或多种，具备训练数据构建、实验设计和模型评测经验； 具备长程 Coding、代码智能体或工具调用模型的训练经验，熟悉任务轨迹构建、执行反馈、奖励设计、上下文管理和推理能力优化； 具备较强的科研创新能力和工程实践能力，能够将前沿方法转化为可验证、可落地的模型能力；具备网络安全基础知识、安全工具使用经验或相关项目经历者优先。