【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：

1.  有强化学习如MCTS, PPO, SAC等实战经验；

2.  有知名开源库的开发、贡献或维护经验；

3.  在ACM、Kaggle、天池等竞赛中获奖。

加入我们，你将获得：

1.  计算资源: 多机多卡A100/H100；

2.  有机会在高水平会议与期刊发表论文。

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。

【岗位职责】

1.  开展日常数据迭代实验，如数据合成，SFT, 强化学习，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RLVR, 训练策略，模型蒸馏策略、MOE训练策略等；

3.  开展RLHF/RLVR、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。