声网
LLM后训练实习生
LLM后训练实习生
发布于 3 天前实习/见习
上海市
初级经验
实习生
仅现场办公
学历未注明
研究与开发 (研发)
Dpo
Lora
Pytorch
Qwen
Rlhf
Sglang
Tensorflow
Vllm
剪枝
AI 估算 · 4k–8k
大模型方向实习生薪资较高，声网作为中型公司，上海实习生月薪约4000-8000元，中位数6000元。
职位详情
关于这个职位
作为LLM后训练实习生，你将参与大模型的知识蒸馏和对话系统优化，将开源大模型能力迁移至轻量级模型，并构建智能销售Agent
适合对大模型微调、强化学习有浓厚兴趣的同学
最低要求
有使用Qwen、Llama、DeepSeek、ChatGLM等主流开源基座模型进行开发的实际经历优先
了解大模型微调技术（如LoRA、QLoRA、全参微调等）
有知识蒸馏、模型量化/剪枝等模型压缩与推理加速的落地经验
编程与工程能力：熟练使用Python，熟悉PyTorch/TensorFlow等深度学习框架
了解vLLM、SGLang等推理加速工具
有智能客服、智能外呼、对话系统等相关项目经验者优先
工作职责
模型蒸馏与优化：基于开源大模型（如Qwen、Gemma等），设计并实施知识蒸馏方案，将大模型能力迁移至轻量级学生模型，在保持对话质量的同时实现低延迟、高并发的工业级部署
销售话术学习与Agent构建：收集、清洗并标注金牌销售的外呼对话数据，通过SFT（监督微调）、RL（强化学习）等方法，让模型学习优秀销售的话术风格、应答策略与多轮对话管理能力
全链路模型工程：深度参与大模型全流程建设，涵盖数据构建、指令微调、偏好对齐（RLHF/DPO）、模型压缩（量化/剪枝/蒸馏）以及推理优化等关键环节
效果评测与持续迭代：构建自动化的模型评测体系，持续跟踪线上对话效果，根据业务反馈不断优化模型算法与话术策略
AI 洞察
优缺点分析
优点
- 接触前沿的LLM后训练技术，包括蒸馏、对齐和推理优化
- 参与实际业务场景的Agent构建，应用价值高
- 公司已上市，平台稳定，技术积累丰富
- 实习生可能需要快速适应高强度学习环境
- 适合对大模型和对话系统有浓厚兴趣、具备一定编程和深度学习基础的在校学生，希望在AI领域快速成长
缺点 / 挑战
- 技术栈要求较高，需要同时掌握多种大模型和工具
- 涉及全链路工程，对工程能力有较大挑战
角色解读
- 可向大模型算法工程师方向发展，深入钻研模型压缩与推理优化
- 积累LLM全流程经验后，可转向AI产品研发或技术管理岗位
- 优秀实习生有机会转正，成为公司核心AI团队正式成员
- 设计并实施知识蒸馏方案，将大模型能力迁移至轻量级模型，实现高效部署
- 参与销售话术学习与Agent构建，通过SFT和RL方法优化模型对话能力
- 负责全链路模型工程，包括数据构建、指令微调、偏好对齐和模型压缩
- 构建自动化评测体系，持续跟踪线上效果并迭代优化
- 掌握Python和PyTorch/TensorFlow，熟悉大模型微调技术如LoRA、QLoRA
- 了解知识蒸馏、模型量化、剪枝等压缩与推理加速技术
- 熟悉推理加速工具如vLLM、SGLang，有对话系统项目经验者优先
申请策略
- 关注声网在实时音视频和AI结合的业务方向，在面试中展现对该领域的兴趣
- 提前准备一个关于模型压缩或对话系统的案例，展示技术深度
- 突出大模型使用经历，如部署过Qwen、Llama等模型
- 强调微调或蒸馏相关项目，附上GitHub链接
- 展示Python和PyTorch项目经验，尤其是对话系统相关
- 学习LoRA、QLoRA等微调技术，实践一个简单的蒸馏项目
- 熟悉vLLM或SGLang的使用，了解推理加速原理
面试指南
- 对于技术原理类问题，先给出定义，再结合自身项目经验讲解
- 对于项目经历类问题，使用STAR法则（情境、任务、行动、结果）清晰陈述
- 对于对比类问题，列出各自的优缺点和适用场景
- 请解释知识蒸馏的原理及其在大模型中的应用
- 描述一下你使用LoRA微调大模型的经历和挑战
- 如何评估一个对话系统的效果？有哪些评测指标？
- RLHF和DPO有什么区别？你更倾向于哪种方法？
- 复习大模型微调和蒸馏的相关论文，掌握基本概念
职位点评
66
综合评分
前沿技术实习，薪资中等，成长极佳，WLB正常。
更适合这类人
优先追求技术成长和前沿知识的学生，对薪资和WLB要求不高。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利50
成长发展95
工作生活50
使命价值70
薪资福利
50较低
实习生薪资水平一般，但作为实习，补偿性动机满足有限。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
95较高
该职位能深入接触大模型前沿技术，成长空间极大。
技术前沿前沿/新兴技术
技术栈Qwen、Llama、DeepSeek、ChatGLM、LoRA、QLoRA、知识蒸馏、模型量化、剪枝、RLHF、DPO、vLLM、SGLang
业务类型ambiguous
工作生活
50较低
未提及弹性工作，需现场办公，WLB一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
智能客服和销售Agent有实际应用价值，但社会影响力一般。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs