百度的Summer Camp - 强化学习与大模型推理算法实习生（J97861）薪资是多少？

该职位薪资范围为 8k–15k（人民币/月）。

Summer Camp - 强化学习与大模型推理算法实习生（J97861）的工作地点在哪里？

该职位工作地点位于北京市。工作形式为仅现场办公。

该职位要求本科学历及无经验要求工作经验。

🤖 AI 估测：¥8K-15K

发布时间：22 天前

这是一个百度暑期实习岗位，专注于强化学习与大模型推理算法的前沿探索

你将参与构建基于蒙特卡洛树搜索与大语言模型交互的训练环境，开发过程奖励模型，并优化强化学习算法在逻辑推理任务中的应用

这是一个深入AI前沿研究、解决实际技术难题的绝佳机会

训练环境构建：参与搭建基于MCTS（蒙特卡洛树搜索）与LLM交互的采样环境，实现大规模逻辑路径的自动化生成

奖励模型迭代：开发并训练过程奖励模型（PRM），探索如何对思维链中的每一个“推理步”进行精准评分

策略优化实验：负责PPO、GRPO或DPO等强化学习算法在逻辑推理任务中的调优，解决模型在自对弈过程中的“奖励作弊（Reward Hacking）”问题

前沿论文复现：跟踪并复现NeurIPS、ICLR等顶级会议中关于Reasoning + RL的最新算法，验证其在实际业务场景中的潜力

教育背景：计算机、数学、统计学或自动化相关专业，本科及以上

理论功底：熟悉马尔可夫决策过程（MDP）、策略梯度（Policy Gradient）等RL核心概念

对Transformer架构及预调优（SFT/RLHF）有深刻理解

工程能力：精通Python，熟练使用PyTorch

有DeepSpeed、Ray或Megatron等大规模分布式训练经验者优先

数学能力：具备极强的逻辑思维能力，对组合数学、数论或算法竞赛（ACM/ICPC/蓝桥杯）有经验者优先

在人工智能顶级学术会议（CVPR, NLP, ICML, NeurIPS等）发表过论文

有参与过开源强化学习训练框架（如VeRL, Slime）贡献的经历

能够从第一性原理出发思考问题，对“机器如何产生意识与逻辑”充满好奇

Summer Camp - 强化学习与大模型推理算法实习生（J97861）

🤖 AI 估测：¥8K-15K

发布时间：22 天前