大模型实习生-运筹优化与应用方向(1人) 我们正在寻找对大模型算法研究充满热情的实习生，共同推动AI在数学建模，数学推理的应用和发展。你将有机会深入研究强化学习，LLM、RAG和Agent等前沿技术发表高水平学术论文，并直接参与到提升我们的产品与服务的实际工作中，对技术创新 和业务发展产生实质性影响。 【工作职责】 1、开展日常数据迭代实验，如数据合成，SFT, 持续快速提升模型的基础能力并应用于业务场景； 2、进行Post-training的框架搭建与迭代，如Process reward model 训练策略，如模型蒸馏策略、MOE训练策略等； 3、开展RLHF、Multi-Agent RL、Self-play RL等研究，提升Reward Signal丰富度和质量，并设计、执行和分析实验，从而提升模型能力上限，包括但不限于提升模型的逻辑推理、幻觉抵抗、人类偏好等能力； 4、参与开发 Post-training 所需工程框架开发，如 RLHF 框架、开源相关Post-training框架适配等； 5、参与相关领域模型能力评测及评测数据和评估标准的迭代，持续跟进国内外最新测评和模型使用反馈； 6、开发实验、研究、评测、内部部署相关的工具，帮助团队提升效率。 【岗位要求】 1、计算机、EE，运筹学等方向相关，博士及硕士优先； 2、较强的代码能力，具有较强的模型Post-training（SFT、DPO、PPO等）训练及相关数据处理经验； 3、实战经验Python以及Pytorch等深度学习框架； 4、熟悉Transformer架构以及大语言模型基础知识； 5、善于平衡研究目标及落地实现，且结果导向； 6、良好的沟通和合作能力； 7、关注技术影响力，具有开源开放精神。 加分项： ● 有强化学习如MCTS, PPO, SAC等实战经验。 ●有知名开源库的开发、贡献或维护经验。 ●在ACM、Kaggle、天池等竞赛中获奖。