大模型后训练算法研究员· 2026-11-03

独角兽上海 / 北京实习社招校招

介绍

让模型从「回答问题」走向「完成任务」，以强化学习探索智能的下一个边界。

描述

1. 提升 Code、Math、Reasoning、Agent、Long Context 与多模态能力； 2. 探索 RLHF、RLVR、DPO、GRPO、Online RL 与自我改进； 3. 构建数据、Reward、Verifier 与评测闭环，突破长程任务瓶颈。

要求

1. 扎实的模型基础：掌握机器学习与深度学习，熟悉 Transformer、LLM 训练流程与 PyTorch； 2. 研究与工程并重：能独立完成算法设计、实验验证、数据分析与归因，具备论文阅读与复现能力； 3. 至少深耕一个方向：强化学习、Reasoning、Agent、Long Context、Code Generation、Math Reasoning、Tool Use；有 RLHF、DPO、GRPO、RAG 或 Agent Framework 经验者优先； 4. 持续好奇，推动落地：乐于探索，快速学习；竞赛成绩突出或有重要开源贡献者优先。