蚂蚁健康-大模型后训练算法实习生

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。

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。