Stepstar实习-LLM后训练算法研究员
岗位摘要
参与通用推理大模型或多模态大模型对齐方向的研发工作，涵盖数据循环体系构建及监督微调与强化学习阶段数据使用策略的系统性探究；深入探索对齐阶段的数据与算法在大规模训练中的可扩展性与优化路径，覆盖文本、多模态理解及Agent任务场景
岗位职责
- 参与通用推理大模型或多模态大模型对齐方向的研发工作，涵盖数据循环体系构建及监督微调与强化学习阶段数据使用策略的系统性探究
- 深入探索对齐阶段的数据与算法在大规模训练中的可扩展性与优化路径，覆盖文本、多模态理解及Agent任务场景
- 参与长周期Agent任务的大规模数据构建与训练算法探索，包括前沿编程任务和企业工作任务
- 参与构建世界领先的高性能通用推理大模型与多模态大模型，在多项客观评测指标中保持行业领先
任职要求
- 国内外计算机、数学、人工智能等相关专业的优秀在校生，硕士学历
- 对数据有一定敏感度，熟知开源社区各数据渠道源，有数据处理经验和认知
- 熟悉大模型研究前沿进展，如推理强化学习、Agent强化学习、多模态理解、工具或搜索Agent等，具有大模型或多模态研发经验者优先
- 有一定相关研究经历，发表过ICLR、NeurIPS、ICML、CVPR等顶级会议论文者优先
- 具备扎实编程基础和优秀工程能力，有NOI、ACM、ICPC等编程竞赛金牌获奖者优先
- 具备良好的团队协作能力和沟通能力
福利待遇
- 实习薪资1000-2000元/天
- 实习期每周工作5天，持续3个月
工作地址
北京海淀区大恒科技大厦12F