百度的Summer Camp - Agentic RL 算法实习生（J98028）薪资是多少？

该职位薪资范围为 8k–15k（人民币/月）。

Summer Camp - Agentic RL 算法实习生（J98028）的工作地点在哪里？

该职位工作地点位于北京市。工作形式为仅现场办公。

该职位要求硕士学历及初级经验工作经验。

🤖 AI 估测：¥8K-15K

发布时间：22 天前

这是一个面向真实Agent场景的强化学习算法实习岗位

你将负责搭建RL训练体系，研究并优化GRPO、PPO等算法在长链路、多工具Agent任务上的应用，并设计奖励模型以提升训练稳定性

该职位深度服务于百度千帆MaaS平台的高价值行业场景，能接触到复杂多样的多步骤任务数据，模型迭代直接对齐真实业务效果

负责面向真实agent场景的强化学习训练体系搭建，包括环境构建、奖励设计、rollout采样与模型训练全流程

研究并落地GRPO、PPO等RL算法在长链路、多工具agent任务上的适配与优化

设计process reward model（PRM）与outcome reward model（ORM），提升稀疏奖励场景下的训练稳定性

与业务团队协作，将真实用户agent使用数据转化为高质量训练信号，构建持续改进的数据飞轮

建立agent能力评估体系，持续跟踪与分析模型迭代效果，推动模型上线落地

教育背景：计算机、人工智能、数学等相关专业硕士及以上学历

熟悉强化学习核心算法（PPO、GRPO、REINFORCE等）

理解agentic系统架构，熟悉tool use、ReAct、function calling等agent范式

熟练掌握PyTorch

具备较强的实验设计与数据分析能力，能独立推进研究课题并产出高质量结论

有RLHF或LLM post-training实战经验者优先

有大规模分布式训练经验（DeepSpeed / FSDP等）优先

有顶会论文发表（NeurIPS / ICML / ICLR / ACL等）或知名开源项目贡献者背景加分

Summer Camp - Agentic RL 算法实习生（J98028）

🤖 AI 估测：¥8K-15K

发布时间：22 天前