阿里巴巴｜多模态世界模型强化学习研究与应用-阿里星

1、跟进并研发多模态大模型的强化学习对齐技术，提升模型在多模态任务中的表现； 2、负责强化学习对齐技术研发，包括Reward Model训练、PPO/DPO/GRPO等策略优化算法的实现与优化； 3、通过强化学习提升世界模型智能和效果上限提升； 4、参与设计和开发高效的强化学习训练框架，支持大规模分布式RL训练、高效rollout采样、异步训练pipeline等基础设施建设。

1、计算机、人工智能、自动化等相关专业； 2、在多模态大模型和生成式模型（扩散/自回归模型）上有资深背景，对前沿进展和领域问题有深入理解; 3、具有主流大模型的实战经验 (视频生成/VLM/LLM/LMM)，有国际高影响力的项目成果; 4、对 AGI 有极强的热情，能够从第一性原理出发解决世界模型领域问题。