返回岗位列表

模型算法实习生（强化学习/后训练方向）

查看原岗位

地点：北京薪资：500-1000元/天日期：2026-03-03

岗位摘要

设计并构建良好的基准测试，用于评估模型的新能力；了解经典强化学习算法，具备在大语言模型或传统游戏等场景下成功训练强化学习的经验；熟悉VeRL、vLLM、Megatron等主流强化学习相关框架

岗位职责

设计并构建良好的基准测试，用于评估模型的新能力
了解经典强化学习算法，具备在大语言模型或传统游戏等场景下成功训练强化学习的经验
熟悉VeRL、vLLM、Megatron等主流强化学习相关框架
研发新的增强现有人类和合成数据的生成方法和流程，以优化数据质量
研发新的微调技术以及面向大模型的强化学习技术
研发新的测试时计算/智能体工作流技术，以提升模型在测试阶段的效果
研究通往通用人工智能的其他创新性技术

任职要求

985/211高校研究生以上学历或优秀本科生，计算机科学、人工智能、机器学习等相关专业
具有大模型后训练研发经验者优先
具备大规模强化学习系统研发经验者优先
具备良好提示词工程和智能体工作流构建经验者优先
有一定的相关研究经历，发表过顶级会议论文者优先，如ICLR、NeurIPS、CoRL、ICML、CVPR等
具备扎实的Python编程基础，有优秀的工程能力，具有ACM等编程竞赛获奖者优先
具备良好的团队协作能力和沟通能力
有开源项目，有系统与算法协同设计的意识和经验，能长期实习者优先

加分项

有开源项目，有system&algorithm的co
design意识和经验，能长期实习
宋女士本周活跃

工作地址

北京海淀区京东科技大厦13F