职位描述
1、参与大语言模型核心算法研发，覆盖预训练、后训练（SFT/RL）、模型架构创新与能力评测全链路；
2、围绕数据配比与课程设计、训练目标、Scaling Law、长上下文、推理时计算（Test-time Compute）和训练稳定性开展模型研究，持续突破模型能力边界；
3、设计并建设自动化评测体系与合成数据流水线，基于模型失败案例驱动算法迭代，推动方案在医疗等真实业务场景中验证落地；
4、跟踪并复现前沿研究，探索 Agent 能力、工具使用、多模态对齐等开放问题，将研究洞察转化为可工程化的模型改进。任职要求
1、2027年及以后毕业的在校生，计算机、人工智能、数学等相关专业，硕士及以上学历；
2、扎实的机器学习与深度学习基础，深入理解 Transformer 架构、注意力机制及大模型训练全流程（预训练-SFT-RL）；
3、熟练使用 Python 和 PyTorch，至少掌握一种大规模训练框架（Megatron-LM/DeepSpeed/FSDP），了解分布式并行训练原理；
4、具备优秀的算法实现、实验设计和问题定位能力，能在信号模糊、路径不明确的开放问题中独立推进研究；
5、对大模型能力边界有独立判断，关注产品实际效果而非仅基准分数，有将研究成果工程化落地的意识；
6、实习期间表现优异并通过考核，可获得转正机会。
加分项：
1、在 NeurIPS/ICML/ICLR/ACL 等国际顶会发表过高质量论文，或在顶级开源项目中有核心贡献；
2、有大规模预训练、后训练对齐（RLHF/DPO/GRPO）、合成数据生成或评测体系建设的实战经验；
3、在 Kaggle等知名竞赛中取得优异成绩；
4、有医疗 NLP、生物医学或多模态大模型相关研究经历。
