大模型算法实习生

1. 参与大模型训练与优化工作，重点关注预训练/增量预训练（Pre-training/CPT）及后训练（SFT、RLHF、DPO、GRPO 等）流程，完成数据构建、训练执行、效果评估与迭代优化 2. 负责训练数据的处理与构建，包括语料清洗、去重与配比，指令/偏好数据的设计、合成与质量分析 3. 基于 GPU 或昇腾 NPU 平台，使用 Megatron-LM、DeepSpeed、veRL、MindSpeed 等框架搭建和维护训练流程，进行超参数、训练效率与稳定性调优 4. 参与训练过程监控与问题定位，分析 Loss 及评测结果，排查训练不收敛、梯度异常、显存/算力等问题，并完成实验复盘 5. 探索 Agentic RL 相关方向，将工具调用、任务规划、环境交互和轨迹/奖励建模等机制融入模型训练与评测 6. 跟踪大模型训练与 Agentic RL 前沿进展，参与技术调研、论文复现和研究方案落地