日常实习生-后训练合版/OPD方向-Qwen基础模型

岗位描述
1. 合版算法研究：探究以 SFT 和 On-Policy Distillation（OPD）为核心的合版策略，持续优化合版训练效果，改善专项冲突问题，提升合版流程的稳定性与合版结果的可预测性。
2. 合版反馈链路建设：分析合版训练监控指标，定位冲突专项与原因，为专项模型的数据迭代和 SFT、RL 训练流程提供反馈，帮助专项在改进性能的同时减小合版冲突风险。
3. 合版训练框架建设：参与 OPD 等合版训练框架的迭代，与 infra 和工程团队协作，探究、开发面向多专项、超长程任务的合版算法与框架，提升合版训练框架的效率与稳定性。
4. 合版前沿技术追踪：持续追踪前沿的合版技术，在内部模型研发中快速测试与验证。

岗位要求
1. 计算机科学、机器学习、人工智能相关专业背景，硕士及以上学历优先。
2. 熟悉 LLM 后训练、合版、OPD/RL 训练流程与算法，有大规模模型交付和迭代流程经验的优先。
3. 具备优秀的工程能力，熟悉 Megatron、FSDP 等训练框架和 SGLang、vLLM 等推理框架，熟悉 veRL、slime 等 RL 训练框架，有 100B 以上 MoE 模型及千卡训练经历的优先。
4. 在 NeurIPS、ICLR、ACL 等国际顶级会议/期刊上发表过高影响力论文，或具有知名开源项目贡献经历。
5. 有基模团队工作/实习经历的优先。