大模型Post-Training算法实习生

一、岗位核心职责 1. 参与大模型后训练全流程工作，包括但不限于 SFT（监督微调）、RLHF/DPO/PPO、奖励模型训练、拒绝采样等； 2. 协助构建和清洗后训练数据，设计数据配比与课程学习策略，提升模型在指令遵循、推理、安全性等维度的表现； 3. 参与模型评测体系搭建，设计自动化评测与人工评测方案，分析badcase并迭代优化； 4. 跟踪后训练方向前沿进展（如RLVR、可验证奖励、过程奖励模型、Agentic RL等），复现并验证关键论文； 5. 与工程团队协作，优化训练/推理效率，支持实验快速迭代 二、任职要求 1.计算机、人工智能等相关专业硕士在读，或本科高年级且有突出项目经历； 2.熟悉Python和PyTorch，有实际模型训练/微调经验（不是只跑过demo）； 3.理解Transformer架构及主流大模型（LLaMA、Qwen、DeepSeek等）的基本原理； 4.对SFT、RLHF、DPO等后训练方法有基本认知，读过相关论文； 截止日期：2026年11月16日 招聘人数：2人