科大讯飞
【星火X计划-实习】面向自主持续学习的基础大模型训练技术研究(J14620)
【星火X计划-实习】面向自主持续学习的基础大模型训练技术研究(J14620)
发布于 2 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Grpo
Ppo
Pytorch
分布式训练
大模型
强化学习
智能体
自主持续学习
值不值得投
76综合评分
综合评分 76
星火大模型核心算法实习岗，聚焦前沿强化学习与自主进化技术，技术成长天花板极高，适合顶尖AI人才。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
6千
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 230 个在招 · 其中机器学习工程 31 个
市场机会
选择适中
合肥 · 机器学习工程 · 49 个在招
职位详情
关于这个职位
该职位是科大讯飞星火X计划的实习岗位，主要研究面向自主持续学习的基础大模型训练技术，探索强化学习、智能体环境交互等前沿方向
你将参与构建下一代大模型的强化学习基础设施，解决长时程信用分配、开放环境探索等核心挑战
适合对大模型推理、智能体和自主学习有强烈兴趣的顶尖AI人才
最低要求
届及以后在读硕士及以上学历，计算机科学、人工智能、自动化、电子信息、数学、物理等相关专业
其他专业但具备突出研究和动手能力者同样欢迎
对强化学习、大模型推理、智能体和自主学习具有强烈兴趣，具备扎实的大模型强化学习算法和训练基础，熟悉PPO、GRPO、OPD等常见的大模型后训练和强化学习算法，拥有大语言模型强化学习相关实习或项目经历
具有扎实的编程和计算机系统基础，精通Python等语言，熟悉PyTorch及主流分布式训练框架，具备优秀的工程实现能力
熟悉Linux、Git、推理引擎、分布式训练系统和大规模数据处理流程
对自主持续学习、开放式学习、模型自我验证或递归式自我改进等前沿方向具有深入思考，能够在缺少成熟范式和标准答案的开放问题中开展探索性研究，愿意持续解决开放性、高不确定性的技术问题
具备良好的沟通协作能力、自驱力和责任意识，能够独立负责重要研究方向，并推动算法、数据、系统和业务团队之间的协同落地
工作职责
研究从奖励建模、可验证强化学习、策略优化、过程监督，到智能体环境交互、在线学习的完整技术验证
构建面向推理、代码、工具使用和开放环境任务的强化学习基础设施与评测体系
探索通向自主持续学习和递归式自我改进的技术路径
针对Agentic RL与长时程Credit Assignment，研究层次化策略学习、轨迹级与步骤级价值估计、反事实信用分配、失败恢复和探索策略
探索开放环境中的探索与自主学习，包括模型的能力边界探测、开放式探索、内在奖励和自博弈机制
研究递归式自我改进的稳定性与可控性，探索模型生成训练数据、改进算法、优化智能体框架的技术路径，建立稳定、可解释和可控制的实验范式
优先资格
在 NeurIPS/ICML/ICLR/ACL/EMNLP/AAAI/IJCAI等相关会议或期刊发表高质量论文者优先
在ACM等高水平算法编程竞赛、CMO/IMO等数学竞赛或其他比赛中取得过优异成绩者优先
AI 洞察
优缺点分析
优点
- 参与星火大模型核心课题，接触行业最前沿的Reasoning RL和Agentic RL技术
- 依托超大型企业的算力资源和数据优势，能够开展大规模模型训练和验证
- 星火X计划针对顶尖AI人才，有完善的培养体系和极高的技术天花板
- 课题涉及大量开放性问题，缺少成熟范式，研究难度和不确定性极高
- 需要兼顾算法理论研究与大规模工程落地，对个人的综合能力和抗压能力要求高
缺点 / 挑战
- 适合对大模型强化学习、智能体有强烈兴趣，具备扎实算法基础和工程能力，且喜欢挑战前沿开放性问题的顶尖AI硕博人才
角色解读
- 实习期表现优异可争取转正，成为星火大模型核心算法研究员
- 长期可向大模型算法专家、AI科学家或智能体系统架构师方向发展
- 研究大模型的强化学习算法，包括PPO、GRPO等，提升模型的推理和决策能力
- 构建智能体环境交互与在线学习的基础设施，解决长时程信用分配和开放环境探索问题
- 探索模型自主持续学习和递归式自我改进的技术路径，推动大模型向下一代自主进化
- 扎实的强化学习和大模型后训练算法基础，熟悉PPO、GRPO等主流算法
- 精通Python和PyTorch，熟悉分布式训练框架及大规模数据处理流程
- 具备优秀的工程实现能力和探索性研究能力，能应对高不确定性的开放问题
申请策略
- 提前了解星火大模型的最新技术进展和论文，在面试中展现对业务的思考
- 准备好对开放性问题的研究思路，展示自己独立探索和解决高不确定性问题的能力
- 突出在强化学习、大模型后训练（如PPO、GRPO）方面的项目或实习经历
- 展示在NeurIPS、ICML等顶会发表的论文，或在ACM、数学竞赛中的获奖经历
- 强调使用PyTorch和分布式训练框架进行大规模模型训练的工程实践经验
- 深入学习Agentic RL、长时程信用分配、自博弈等前沿强化学习理论
- 提升分布式训练系统的底层原理理解和代码实现能力，熟悉主流推理引擎
面试指南
- 算法原理题：从数学公式推导到工程实现细节，结合具体场景说明优缺点
- 开放性问题：采用“问题分析-假设提出-方案设计-验证闭环”的结构，展现系统性思维
- 请详细讲解PPO和GRPO算法的原理及区别，以及在大模型后训练中的应用
- 在长时程环境交互中，如何解决稀疏反馈和延迟奖励带来的信用分配问题？
- 如果模型在自主生成训练数据时出现目标漂移或累积性错误，你会如何设计验证和纠正机制？
- 描述一个你使用PyTorch和分布式训练框架解决大规模模型训练性能瓶颈的经历
- 复习强化学习经典理论，并重点阅读近期关于LLM RLHF、Agentic RL的顶会论文
- 梳理自己过往项目中的技术难点，准备好如何用STAR法则清晰表达解决过程
职位点评
薪资福利65
成长发展95
工作生活50
使命价值85
薪资福利
65中等
作为顶尖AI人才计划的实习岗，实习津贴处于市场较高水平，但毕竟为实习性质，绝对薪资受限。
薪资信号未披露（AI估算：4.5–8千/月）
成长发展
95较高
岗位聚焦大模型最前沿的自主持续学习和强化学习方向，依托星火大模型核心资源，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Reasoning RL、Agentic RL、PPO、GRPO、PyTorch、分布式训练
成长机会星火X顶尖AI人才计划
业务类型profit_center
工作生活
50较低
实习岗位通常需保证一定的出勤时间，且大模型核心研究岗工作强度较大，WLB情况未明确提及。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
致力于构建具备自主进化能力的下一代大模型，推动AI从任务执行走向环境学习，具有极高的技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号构建具备深度推理、复杂决策、长期探索和持续自我提升的下一代大模型、探索下一代模型自我进化路径
创新程度开拓性创新（行业首创）
科大讯飞 的其他在招职位
相似职位推荐
Watch Jobs