大模型后训练研发实习生

Responsibilities

1. 参与 LLM 后训练全流程实验，包含 SFT、RL、Agentic RL 开发调优； 2. 主攻大模型数学推理优化，探索自然语言 / 形式化数学证明能力提升方案； 3. 协助完成数据合成、模型后训练(RL训练、Agentic RL系统优化)、搭建Benchmark跟踪与测试，推动模型能力提升； 4. 协同团队开展相关实验，输出技术文档，跟进复现前沿推理、强化学习相关论文；

Requirements

1. 计算机 / 人工智能 / 数学等相关在读本科生或硕士，深度学习、大模型理论基础扎实； 2. 熟练 Python 与 PyTorch，懂 Transformer、SFT、RLHF 基础，能独立写模型微调代码； 3. 熟悉 Linux 开发环境，有数据集处理、模型评测相关实操经验优先； 加分项 - 有 SFT/RLHF/Agent 训练实操经历； - 做过 GSM8K、MiniF2F 等数学推理 Benchmark 相关实验； - 掌握 DeepSpeed/vLLM 等大模型训练框架，复现过 AI 顶会论文；

Who this role is for

本科及以上

Company overview