Summer Camp - Agentic RL /大模型平台策略推理优化实习生（J100476）

优缺点分析

角色解读

• 优秀实习生可获得转正机会，留在百度千帆团队继续从事大模型优化工作
• 深入理解大模型从训练到部署的全链路，未来可成长为AI系统优化专家或RL算法专家
• 有机会接触业界最前沿的技术和场景，为后续求职顶尖AI公司积累核心竞争力
• 参与大模型推理优化，复现并改进主流投机推理方案（如MTP、Eagle3），提升模型推理效率
• 针对真实业务场景（如代码、工具调用）构建强化学习训练闭环，提升模型在复杂任务上的成功率
• 与团队协作，将研究成果直接应用于百度千帆平台，实现业务效果的对齐
• 扎实的深度学习基础，熟悉大模型结构和推理过程
• 掌握主流RL算法（PPO、GRPO）及大模型训练流程（SFT→RM→RL）
• 熟悉vLLM/SGLang等推理框架，了解投机推理技术原理

申请策略

• 在申请材料中表达对百度千帆业务的了解，展示你对实际业务效果的关注
• 准备一个简短的LLM优化或RL项目介绍，体现你的思考深度和动手能力
• 突出你在LLM推理或RL方向的项目经验，特别是与投机推理、vLLM、PPO相关的实践
• 展示你对主流推理框架（vLLM/SGLang）的熟悉程度，可附上GitHub项目或实验复现
• 强调对agentic任务的理解，如tool calling、ReAct等
• 如果对投机推理不熟，建议阅读DeepSeek MTP、Eagle3等论文并动手复现
• 强化RL基础，吃透PPO和GRPO算法，并在开源LLM上实践RL训练流程

面试指南

• 对于技术原理类问题，从基本概念出发，先给出定义，再展开细节，最后联系实际应用
• 对于项目经验类问题，使用STAR法则（情境-任务-行动-结果），突出你的贡献和思考
• 请解释一下投机推理的原理，以及MTP与常规自回归解码的区别
• 描述PPO算法的核心思想，并说明如何在LLM中应用PPO？
• 你如何理解Agentic RL？在工具调用场景中，如何设计reward函数？
• vLLM中是如何实现连续批处理和内存管理的？
• 请介绍你做过的一个LLM相关项目，遇到了什么挑战？
• 复习LLM推理优化和RL的基础知识，确保能清晰解释关键概念