Token Foundry-Reward System算法工程师-Qwen

负责 Qwen 基座模型 Agentic Reward System 的设计、训练与迭代，构建支撑大规模 Agentic RL 训练的奖励信号体系，持续提升模型在 Coding、Agent 等高价值场景下的对齐质量与 RL 训练上限。

1. Coding Reward System：构建面向 Code Agent 的 Reward System，设计 Evolving Rubrics 与 Code Verifier，实现 Outcome & Process Level 的自动化 Rewarding，解决长程 Coding Trajectory 下的 Credit Assignment 与 Reward 稀疏性问题。

2. Agentic User Experience Reward：研究面向 Agent 任务的用户体验建模与 Reward 优化，探索 User Model Rewarding 与 Behavioral Signal Mining，弥合 Benchmark指标与用户实际体验之间的鸿沟。

3. Reward System Infra：以 Reward 信号为核心构建数据飞轮，驱动数据筛选、难例挖掘与合成迭代；建设统一的 Reward 评估与标注框架，与 CPT / SFT / RL训练流程深度耦合，端到端优化全链路传导效率。

1. 计算机、人工智能等相关专业硕士及以上学历, 具备相关领域的顶会论文发表优先。

2. 扎实的工程能力，有工业界大语言模型SFT / RL 训练经验的优先（熟悉 PPO / GRPO 等完整流程）。

3. 对 Reward System 有独立的技术判断，能分析不同技术路线（Scalar RM / Gen RM / Pair-wise RM 等）的适用边界。

4. 有以下任一方向的深入经验者优先：

（1）Reward Model Training（Agent RM / Coding RM / Agentic RM）

（2）Coding / Agent Benchmark

（3）Credit Assignment / Reward Shaping / Multi-turn RL