月之暗面的大模型后训练算法实习生（RL & Agent方向）薪资是多少？

该职位薪资范围为 6k–12k（人民币/月）。

大模型后训练算法实习生（RL & Agent方向）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。

该职位要求学历未注明学历及无经验要求工作经验。

🤖 AI 估测：¥6K-12K

发布时间：6 天前

这是一个专注于大模型后训练阶段的算法实习岗位，方向为强化学习（RL）与智能体（Agent）

你将参与实际的后训练流程，包括自动化挖掘模型缺陷数据、使用RLHF进行偏好对齐优化、搭建数据处理与评估的工程基建，以及设计数据增强策略来提升模型的泛化能力

这是一个强调工程实践与问题解决能力的实干型岗位

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 pipeline，建质量评估工具

提泛化：设计数据增强策略，针对性补模型短板

相关专业背景，聪明且努力，持续迭代自己和模型，有技术追求

工程扎实（Python/数据处理），特别欢迎代码洁癖和竞赛选手

逻辑清晰，能从数据里挖问题，善于思考

能上手、肯折腾，主动push结果，欢迎实干派加入！

做过相关项目or实习

搞过开源

强烈的motivation想搞点出色的工作

大模型后训练算法实习生（RL & Agent方向）

🤖 AI 估测：¥6K-12K

发布时间：6 天前