月之暗面大模型后训练算法实习生（RL & Agent方向）
实习兼职算法类/AI地点：北京状态：招聘♡ 收藏
工作描述
做什么（说点实际的！）：
挖数据：自动化找模型 worse cases，定位问题，提升模型能力
调偏好：用RLHF做preference优化，提升模型对齐效果
搞基建：搭后训练数据 pipelin…登录查看完整工作描述
微信扫码，1秒登录
包括英文材料
RLHF+
[英文] What is RLHF?
https://aws.amazon.com/what-is/reinforcement-learning-from-human-feedback/
Reinforcement learning from human feedback (RLHF) is a machine learning (ML) technique that uses human feedback to optimize ML models to self-learn more efficiently.
https://www.ibm.com/think/topics/rlhf
Reinforcement learning from human feedback (RLHF) is a machine learning technique in which a “reward model” is trained with direct human feedback, then used to optimize the performance of an artificial intelligence agent through reinforcement learning.
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
相关职位
实习算法序列
-计算机、人工智能、模式识别等相关专业在读硕士及以上学历 -扎实的编程基础，熟练掌握Python或C++ -熟悉至少一种深度学习框架，例如PyTorch，了解Transformers工具库 -熟悉Li
更新于 2026-03-16北京|上海|香港
校招算法序列
-计算机、人工智能、模式识别等相关专业在读硕士及以上学历 -扎实的编程基础，熟练掌握Python或C++ -熟悉至少一种深度学习框架，例如PyTorch，了解Transformers工具库 -熟悉Li
更新于 2026-03-16北京|上海|香港
实习日常实习
1. 博士/硕士生在读，计算机、自动化、数学或相关人工智能专业； 2. 具备大模型研发经验，在 Post-Training（如SFT、RL、Model Merge、OPD等）某一方向上有研究成果或实战
更新于 2026-06-24北京|上海|杭州
实习A213617
1、硕士及以上学位在读； 2、具备大语言模型、强化学习或后训练相关项目或研究经验； 3、熟悉Python，并至少熟悉一种主流深度学习框架； 4、对AIGC、广告创意生成和大模型技术有热情，具备良好的学
更新于 2026-10-21上海|杭州