大模型应用算法实习生

岗位职责

1. 负责大模型后训练，评测体系建设；
2. 运用 SFT、DPO、GRPO、RLHF 等后训练方法对大语言模型进行微调和对齐，提升模型在特定场景下的指令遵循、推理和生成质量；
3. 模型评测：设计rubrics，Reward Function，建设可量化的模型评测体系；
4. 参与高质量训练数据的构建：数据合成、清洗、去重、配比，搭建可持续迭代的数据 pipeline；
5. 跟踪后训练前沿技术（如 Agentic RL、Long CoT、拒绝采样等），进行技术预研和落地验证。

任职要求

1. 计算机、人工智能、数学等相关专业，本科及以上学历；
2. 扎实的 Python 编程能力，熟练使用 PyTorch 深度学习框架；
3. 熟悉大模型训练流程：SFT 微调、大模型强化学习(DPO/GRPO/RLVR)、分布式训练（DeepSpeed/Megatron）；
4. 熟悉主流大语言模型（Qwen、DeepSeek、Llama等）的使用和微调。