课题详情： 研究面向多模态生成模型的强化学习算法。重点包括但不限于： 1. 研究强化学习RL算法，使得模型能够根据任务目标和人类偏好得到持续优化； 2. 研究视频生成和多模态生成中的奖励模型（Reward Model）系统，使得在复杂场景、实际应用场景中可泛化，可给出准确可靠的奖励信号； 3. 研究强化学习新方案，比如结合RL和蒸馏，模型的自进化等。 课题要求： 1. 对于多模态生成、强化学习RL、奖励模型（Reward Model）等至少一个方向有深入项目经历和经验； 2. 具备大模型训练、调参、实验分析和问题排查能力； 3. 对数据有感觉、认同数据价值，能够深入分析数据、构建数据方案； 4. 好奇心强，思路灵活，做事认真负责，愿意挑战开放问题； 5. 熟练使用 AI 工具提升研发效率。 加分项 1. 有大规模强化学习、奖励模型直接训练和交付经验； 2. 有顶会论文、开源项目、产品落地经验等； 3. 在ACM、NOI等竞赛中取得优秀成绩。