中国电信
【2027校招】语义大模型强化学习算法工程师
【2027校招】语义大模型强化学习算法工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Reward Model
Verl
分布式训练
大语言模型 (Llm)
强化学习 (Rl)
值不值得投
82综合评分
综合评分 82
央企顶级平台、前沿RL技术栈、高成长性与高稳定性并存
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
2.8万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2230 个在招 · 其中机器学习工程 35 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 570 个在招
职位详情
关于这个职位
该职位是中国电信2027届校园招聘的算法工程师岗位，专注于语义大模型的强化学习（RL）方向
主要职责涵盖Agentic RL、Reasoning RL及General RL等前沿训练范式的研究与落地，包括策略优化、奖励建模及混合训练策略探索
要求候选人具备扎实的AI理论基础与Python工程能力，致力于提升大模型推理效率与智能水平
最低要求
硕士及以上学历，计算机、电子信息、人工智能等相关专业
熟悉 Python，具备较强的工程实现与问题定位能力，熟练使用 Linux 开发环境
熟悉 Claude Code、OpenClaw 等主流 Agent 工具，了解 VeRL、Slime 等强化学习训练框架
对大模型强化学习、Reasoning、Agent 或 Reward Model 方向有深入兴趣与实践经验
工作职责
参与Agentic RL训练工作，包括复杂 Agent 任务中的策略优化、上下文管理、工具调用、多步规划等，与 Infra 团队协同优化训练与推理效率，提升大规模训练稳定性与资源利用率
参与Reasoning RL训练工作，研究基于 RLVR 的强化学习范式
提升模型复杂推理能力，探索思维链长度控制等方向，提升单位 token 的智能效率
参与General RL训练工作，研究通用强化学习方向，包括 Generative Reward Model、Rubric Reward Model 等奖励机制
探索可扩展、可泛化的奖励建模与强化学习训练方法
参与Mixed Training工作，研究混合训练范式，包括 On-policy Distillation 等前沿技术
探索 SFT、RL、OPD 等多阶段训练策略的协同优化
优先资格
博士优先
有以下经历者优先：在大模型、强化学习等领域有高质量论文、技术博客或开源项目
有大尺寸模型训练经验或大规模 GPU 集群使用经验
AI 洞察
优缺点分析
优点
- 依托中国电信庞大的算力资源和数据场景，提供顶级的硬件支持
- 央企平台稳定，福利保障完善
- 接触最前沿的大模型RL技术
- 技术迭代极快，需要持续高强度的学习与研究
- 作为央企，流程规范但可能相对繁琐，创新落地需平衡合规与效率
- 对AI前沿技术有浓厚兴趣、具备扎实科研背景、追求职业稳定性和广阔平台的应届硕士/博士毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向大模型算法专家、AI架构师方向发展，或在央企数字化转型中担任核心技术骨干
- 负责大模型强化学习（RL）相关算法的研究与工程实现，包括Agentic RL和Reasoning RL等前沿方向
- 精通Python编程与Linux环境，深入理解强化学习原理，熟悉主流Agent工具和RL训练框架
申请策略
- 关注中国电信在AI领域的战略布局，准备展示你对Agentic AI和Reasoning能力的独到见解
- 突出大模型训练、强化学习相关的科研项目或实习经历，强调论文发表、开源贡献或大规模GPU集群使用经验
- 深入研读最新RLHF/RLVR相关论文，熟悉VeRL等主流框架源码，提升Python工程化落地能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目，重点突出技术选型的理由、遇到的瓶颈及解决方案、最终的性能指标提升
- 请详细介绍你参与的强化学习项目，特别是Reward Model的设计思路
- 如何优化大规模LLM训练中的显存占用和通信效率？
- 谈谈你对Agentic RL中工具调用和多步规划难点的理解
- VeRL框架相比传统PPO有哪些优势？
- 复习强化学习基础理论（如PPO、SAC等），熟悉大模型训练技巧（如FlashAttention、ZeRO），准备1-2个深度技术案例
职位点评
薪资福利85
成长发展92
工作生活65
使命价值75
薪资福利
85较高
作为上市央企巨头，提供具有市场竞争力的起薪及完善的五险一金、补充医疗、企业年金等福利，稳定性极高。
薪资信号市场水准 (2.0千–3.5万/月)
成长发展
92较高
岗位聚焦于Agentic RL、Reasoning RL等极具前瞻性的技术领域，拥有大规模GPU集群资源，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Agentic RL、Reasoning RL、RLVR、VeRL、Slime、Generative Reward Model、On-policy Distillation
业务类型profit_center
工作生活
65中等
央企通常作息相对规律，但算法研发岗涉及大规模训练调试，可能存在阶段性加班；工作地点位于市中心，通勤便利。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
在国家级通信基础设施企业中推动AI技术发展，服务于千行百业的数字化转型，具有显著的社会价值和技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs