蚂蚁集团-大模型强化学习算法专家-阿福

负责医疗基础模型的大规模强化学习算法研发、训练，通过RL scaling 提升医疗基模在复杂医疗诊断、循证、分析等场景的能力。

设计RL算法和奖励机制、提升学习效率、训练稳定性， 通过长周期、高效的学习，提升模型在复杂问题场景的推理能力。

通过与Infra团队co-design， 研发和扩展agentic RL环境，通过提升交互与反馈的质量和规模实现agentic能力的泛化。

硕士及以上学历，计算机科学或相关专业背景

有大模型强化学习相关的研究经历，具备丰富的训练经验，深入理解PPO/GRPO/IcePop等主流强化学习算法

具备扎实的算法工程实现能力，熟悉Python编程语言和PyTorch深度学习框架，有开源框架Areal/verl/slime/openrlhf使用经验

熟悉AI coding，对常用工具如claude code/opencode熟练掌握

在大模型领域有科研或实践经验，在AI领域国际顶级会议/期刊发表过高质量论文优先

具备算法和infra co-design经验, 对sglang/vllm/megatron有开发优化经验优先