The posting
1、参与大模型训练与优化工作,重点关注预训练/增量预训练(Pre-training/CPT)及后训练(SFT、RLHF、DPO、GRPO 等)流程,完成数据构建、训练执行、效果评估与迭代优化 2、负责训练数据的处理与构建,包括语料清洗、去重与配比,指令/偏好数据的设计、合成与质量分析 3、基于 GPU 或昇腾 NPU 平台,使用 Megatron-LM、DeepSpeed、veRL、MindSpeed 等框架搭建和维护训练流程,进行超参数、训练效率与稳定性调优 4、参与训练过程监控与问题定位,分析 Loss 及评测结果,排查训练不收敛、梯度异常、显存/算力等问题,并完成实验复盘 5、探索 Agentic RL 相关方向,将工具调用、任务规划、环境交互和轨迹/奖励建模等机制融入模型训练与评测 6、跟踪大模型训练与 Agentic RL 前沿进展,参与技术调研、论文复现和研究方案落地
1、计算机、人工智能、数学等相关专业硕士及以上学历 2、具备大模型训练实践经验,能够理解并参与从数据准备、训练配置、任务启动到指标分析和问题排查的完整流程;有预训练/CPT 与后训练(SFT 或 RL 对齐)经验者优先,具备两类经验者更佳 3、熟悉 Python、PyTorch 及 Transformer 架构原理,了解主流开源 LLM(Qwen、LLaMA、InternLM 等);具备分布式训练(DP/TP/PP 等)基础或 Megatron-LM/DeepSpeed 等框架实践经验者优先 4、了解强化学习基本概念与训练方法(PPO、GRPO、奖励模型等),对 Agentic RL、工具调用、任务规划或环境交互有兴趣或实践经验 5、有 Agent/智能体开发经验,熟悉常见 Agent 框架、工具编排或评测方法者优先 6、具备较强的实验设计、数据分析和问题定位能力;有科研想法、论文发表/投稿经历、论文复现或开源项目贡献者优先 7、有垂直领域知识背景或相关项目经验者优先;实习时间要求每周 4 天以上,持续 6 个月以上优先



