小米agent后训练算法实习生-2027届

工作描述

任职要求
基本要求
- 计算机、人工智能、数学、统计等相关专业在读硕士/博士（优秀本科生亦可）；
- 扎实的机器学习与深度学习基础，深入理解 Transformer 架构与 LLM 训练/推理原理；
- 熟悉强化学习基础算法（PPO、DQN、Policy Gradient、Actor-Critic 等），了解 LLM 对齐算法（RLHF、DPO、GRPO、KTO 等）的原理与实现细节；
- 熟练使用 Python 与 PyTorch，有实际的大模型训练/微调经验（SFT、LoRA、RLHF 任一）；
- 了解分布式训练相关技术（数据并行、张量并行、流水线并行、ZeRO 等），具备多卡/多机训练实操经验；
- 数学功底扎实，能独立推导优化目标、分析 loss 设计与梯度行为。

工作职责
工作内容

1. Agent 后训练全流程建设： 负责基于大语言模型的通用 Agent 的后训练（Post-training）工作，覆盖 SFT、偏好对齐（DPO/ORPO/KTO 等）、RLHF/RLAIF、RLVR 等阶段，针…