27届Stepstar-Code Agent 算法研究员
岗位摘要
负责代码数据的合成、清洗、权重分配和来源扩充，持续提高代码中程训练和后训练等阶段的数据质量；探究预训练小领域数据的配比和最终效果之间的关系，开发数据合成链路，解决代码模型中的关键问题
岗位职责
- 负责代码数据的合成、清洗、权重分配和来源扩充，持续提高代码中程训练和后训练等阶段的数据质量
- 探究预训练小领域数据的配比和最终效果之间的关系，开发数据合成链路，解决代码模型中的关键问题
- 探究深度推理技术，研究Test-time Compute和模型效果的Scaling laws，参与后训练奖励模型和强化学习算法的优化流程
- 专注于代码强化学习中的奖励模型优化和创新，包括与SFT阶段配合解决判别能力较差的场景、探究合成数据进行代码奖励模型预训练、组织标注人员进行代码奖励模型标注、Critic前沿探究以及强化学习过程中可执行代码与单元测试的质量过滤和扩充
- 利用强化学习方法改进智能体的规划、反思和工具利用能力，强化在code agent实际场景中的可用性
- 探索基于人机协同的高质量数据挖掘与合成，以加强智能体的规划和工具利用能力
- 构建code agent的基础能力，包括planning能力、测例和代码生成能力
- 构建多模态智能体，提升多模态大模型RLHF中的训练效果
- 构建code agent智能体自动化评测和docker环境生成
任职要求
- 预计毕业时间介于2026年9月至2027年8月的国内外计算机、数学、人工智能等相关专业的优秀应届毕业生
- 具备软工背景，具有扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯
- 熟悉语言模型的基本技术、模型结构，对AI的未来有信仰和工作热情
- 工作认真细致，计划性强，具有刨根问底的探究精神，对研发工作有很强的实事求是的落地信念，追求最终效果而不是盲目追求新颖的方法，对工作内容有较强责任感
- 加分项：有NOI、ACM竞赛经历者优先；有推荐、搜索领域出色的数据驱动工作者优先
- 加分项：熟悉强化学习相关技术和细节，曾深度参与强化学习项目或语言模型项目
- 加分项：具有较强的工程能力，能迅速熟悉公司内外部平台工具使用，具有主动提升效率的意识
加分项
- 有NOI、ACM竞赛经历者优先
- 有推荐、搜索领域出色的数据驱动工作者优先
- 熟悉强化学习相关技术和细节，曾深度参与强化学习项目或语言模型项目
- 具有较强的工程能力，能迅速熟悉公司内外部平台工具使用，具有主动提升效率的意识
- 李女士 3日内活跃
福利待遇
- 薪资40-70K，16薪
工作地址
北京海淀区大恒科技大厦12F