研究实习生，模型塑造（2027年夏季）
岗位摘要
研究并实现一个或多个重点方向中的新颖技术；研究先进后训练方法，涵盖监督学习、偏好优化和强化学习；研究高效神经网络训练的新技术与系统，如分布式训练、算法改进和优化方法；开展基础模型能力的稳健可靠评估
岗位职责
- 研究并实现一个或多个重点方向中的新颖技术
- 研究先进后训练方法，涵盖监督学习、偏好优化和强化学习
- 研究高效神经网络训练的新技术与系统，如分布式训练、算法改进和优化方法
- 开展基础模型能力的稳健可靠评估
- 设计并开展严谨的实验以验证假设
- 将研究发现整理为科学出版物和博客文章
- 将研究成果集成到公司产品中
任职要求
- 目前正在攻读计算机科学、电气工程或相关领域的学士、硕士或博士学位
- 具备扎实的机器学习和深度学习基础知识
- 具有深度学习框架使用经验（如PyTorch、JAX等）
- 熟悉Transformer架构及基础模型的最新进展
- 优先考虑：具有训练基础模型或高效机器学习的研究经验
- 优先考虑：在NeurIPS、ICML、ICLR、ACL或EMNLP等顶级机器学习和自然语言处理会议上发表过论文
- 优先考虑：理解模型优化技术和硬件加速方法
- 优先考虑：对开源机器学习项目有贡献
福利待遇
- 提供有竞争力的薪酬、住房补贴及其他有竞争力的福利
- 美国地区该职位预计时薪为58至70美元
- 时薪根据地点、级别和职位确定，个人薪酬取决于经验、技能和相关知识
- 实习项目为期12至14周，可与行业领先的工程师和研究人员跨多个团队合作
- 实习日期可选择5月17日至8月6日，或6月14日至9月3日
- 实习地点为旧金山或阿姆斯特丹办公室