研究型实习生-大模型后训练-Accio Work

岗位描述
【项目介绍】
本项目旨在通过 RL 与其它后训练方法，提高Agent模型能力，解决包括但不限于 tool use，长程任务等问题。

【岗位职责】
1. 大规模后训练实践： 参与构建大模型后训练/Agent模型训练数据及benchmark，利用分布式训练框架（如 Megatron-LM, verl）进行大规模模型调优；
2. 算法研究与优化： 探索大模型、Agent相关的前沿算法，产出 Novelty 和实用性兼具的工作；
3. 前沿追踪：Follow 最新的学术工作，逐步养成比较好的 taste。

岗位要求
1. 背景： 计算机、数学或相关专业在读（硕士/博士优先），熟悉大模型训练流程；
2. 技术栈： 熟悉 PyTorch，对 Megatron，Deepspeed 等分布式框架和分布式并行策略（TP/PP/DP/CP）有实操经验；
3. 良好的论文阅读与工程实现能力，希望在顶会（NeurIPS, ICLR, CVPR）发表高影响力工作。