岗位职责（具体工作内容） 【大模型训练实习生】 工作内容： 深入参与垂类场景Agent大模型的预训练和后训练，构建领域对话大模型。 具体工作： 1.支持预训练和后训练任务，并在导师指导下完成 PPO/DPO/GRPO 等算法应用及改进，支持大模型分布式训练实验。 2.协助构建奖励模型：偏好数据清洗、特征工程、鲁棒性测试，跟踪实验指标及可视化分析。 3.驱动效果闭环：搭建离线多维度指标与在线 A/B 体系，打造自迭代数据飞轮。 任职资格（学历、目标院校、语言、技能、性格等要求） 1.计算机/AI相关专业本科或硕士在读，至少可实习 4 个月、每周至少3 天。 2.熟练Linux 系统常用命令、Python 、PyTorch、SQL 3.熟悉 NLP 基本任务、深度学习、强化学习 4.熟悉大模型基本原理，有大模型训练经验。 5.对 RLHF、奖励模型等有浓厚兴趣，自主钻研能力。