研究实习生（Reward Model / RL / Post-training 方向）· 2026-07-13

混元基座模型团队招研究实习生，参与混元主模型后训练迭代与版本发布，重点方向 Reward Model、RL/Post-training，探索下一代模型对齐能力

参与混元主模型后训练迭代与版本发布，重点方向：Reward Model、RL/Post-training 等，探索下一代模型对齐（Alignment）能力。 主要做的事情： 1. Reward Model 研究与探索，包括通用 Reward、Rubric Reward、多 Reward 融合、Reward System 等方向，探索更强的模型对齐能力； 2. RL/Post-training 数据构建、训练策略设计与效果分析； 3. 探索 Reward、Memory 等前沿能力建设与效果优化，并推动研究成果落地到混元主模型。 我们能提供： - 深度参与混元主模型后训练迭代与版本发布，接触业界前沿的 Reward Modeling 与 Post-training 技术方向； - 大规模训练、评测、验证资源支持，Research Idea 能够快速完成验证与迭代，并直接应用于混元主模型线上版本； - 参与从数据、训练、评测到发版的完整技术闭环，与核心研发团队紧密协作，研究成果直接影响线上模型表现。 让优秀的想法影响更大的模型。 投递方式：私信简历，或发送至邮箱 [email protected]。

实习要求： - CS 或相关专业，Master/PhD 在读； - 熟悉 LLM 中的 Reward Model、RLHF/RL 等相关技术； - 工程能力扎实，具备较强的代码能力与实验分析能力； - 每周实习 4 天及以上，连续实习 6 个月及以上者优先； - 有相关论文、开源项目或大模型相关实习经验者优先。