蚂蚁健康-大模型后训练算法实习生

岗位职责

蚂蚁阿福医疗大模型团队，负责医疗大模型的研发以及在阿福业务场景的应用。

1. 参与训练医疗大模型，包括但不限于模型SFT、强化学习系统的算法实验设计、数据收集合成消融、infra 团队协作等；
2. 探索高效的后训练范式，包括高效 SFT、Model Merge、On-policy Distill、 RL等后训练算法以及pipeline，提升发布效果和效率。
3. 提升大模型在Reasoning、Agentic等任务上的能力上限，构建在医疗场景具备深度思考和自主行动能力的基座模型。
4. 密切关注业界 LLM 后训练算法领域的前沿论文，并整合新技术和算法到医疗大模型中，保持医疗大模型行业领先。

任职要求

1. 博士/硕士生在读，计算机、自动化、数学或相关人工智能专业；
2. 具备大模型研发经验，在 Post-Training（如SFT、RL、Model Merge、OPD等）某一方向上有研究成果或实战经验；
3. 熟悉数据与训练策略，也了解主流训练和推理框架（如 Megatron、SGLang、vLLM等）；
4. 具有良好的学习和沟通能力，有好奇心和责任心，具有钻研精神，能够与算法团队、工程团队及其他技术团队紧密配合。

特色标签

Megatron-LM、OPD、Post-Training、Python、Reinforcement Learning、RL、RLHF、人类反馈强化学习、代理能力、再训练、分布式训练、分布式训练框架、医学大模型、医疗、医疗AI模型、医疗领域大模型、参数融合、后期训练、在线策略蒸馏、多模态算法、大型预训练语言模型、大模型算法、大模型训练框架、大规模语言模型、大语言模型、实时策略知识蒸馏、并行计算、强化学习、指令微调、推理能力、智能体能力、有留学背景、有监督微调、机器学习、模型加速/性能优化、模型合并、模型融合、深度学习、深度推理、监督微调、算法工程化经验、自主行动能力、自然语言处理算法、逻辑推理