岗位职责
参与大语言模型（LLM）与多模态大模型的深度研究，与资深研究员及工程师紧密协作，探索大模型Scaling、复杂 Agentic 场景的训练对齐、合成数据构建以及模型自我演化（Self-Improvement / Recursive Evolution）等核心技术方向。
职位要求
- 计算机 / 人工智能 / 自动化 / 数学 / 软件工程相关专业硕士或博士在读，每周可实习 4 天以上、持续 6 个月及以上；
- 精通 Python，具有扎实的算法、数据结构及数学基础；熟练掌握 PyTorch，熟悉 DeepSpeed、Megatron-LM、FSDP、vLLM、SGLang 中至少两项；
- 深刻理解大模型全链路机制：预训练 Transformer/Diffusion 架构、SFT 规范、RLHF/RLVR (PPO/GRPO) 理论与实践；
- 在以下至少一个方向有研究或项目经验： * 大模型预训练、模型架构、数据策略或训练优化； * 监督微调、偏好优化、强化学习或奖励建模； * 持续学习、迁移学习、知识更新或模型自我进化； * 复杂推理、工具使用、交互学习或模型能力评测。 * 能够阅读并复现相关领域前沿论文，设计合理的对照与消融实验，根据实验结果提出并验证研究假设。 * 具备主动探索与独立思考能力，能够将开放问题拆解为可验证的研究任务，清晰记录实验并与团队沟通。 有以下经验者优先：
- 在 NeurIPS、ICML、ICLR、ACL、EMNLP、COLM 等会议或相关期刊发表过论文，或有高质量开源研究成果；
- 参与过大模型预训练或规模化后训练，熟悉 DeepSpeed、Megatron-LM、FSDP 等分布式训练框架，有多机多卡训练与性能优化经验；
- 有大规模数据清洗、质量评估、合成数据生成或数据配比优化经验，能够通过实验分析数据对模型能力的影响；
- 有强化学习训练经验，熟悉 PPO、GRPO 等算法，研究过奖励设计、奖励投机、探索效率或长程任务中的信用分配问题；
- 在灾难性遗忘、持续学习、测试时适应、自博弈或环境反馈驱动的模型更新方面有深入研究；
- 有严谨的评测体系建设经验，能够区分基准表现提升、评测过拟合与真实泛化能力提升。
