实习生-模型迭代与进化研究
招聘时间
即日起 至 2026-06-02
招聘单位
上海创智学院
所在地区
上海
工作地点
上海市/上海市/徐汇区 上海创智学院
学历要求
本科
实习时长
每周4天，每天3小时
职责描述
岗位职责
研究模型在持续涌入的新数据下如何完成有效压缩与长期进化——即把模型视为压缩器，研究其如何将外部数据沉淀为可被复用、迭代、组合的能力。方法上采用 post-training + RAG + Agent
的组合范式（参数化记忆、检索式外部记忆、过程性技能记忆三种形态），研究三者的边界、组合与协同。
岗位日常工作：
1. 复现与拆解：复现领域代表性工作，提炼其方法、数据、评测中的关键设计，沉淀为可迁移的方法学组件
2. 方法设计与实验：围绕"模型如何更高效地从数据中提炼能力"提出方法，独立完成训练、消融与评测
3. 数据工程：设计与维护后训练 / 检索 / Agent 三条路径上的数据 pipeline——包括筛选、合成、清洗、质量评估
4. 论文与开源：把研究成果整理为投稿稿件，维护开源代码与实验框架
预期产出：1–2 篇可投 AI 顶会论文；可复用的实验框架与数据 pipeline 开源。
能力期望
- 后训练经验 (必需)：独立跑通过至少一次完整的 LLM 后训练流程，理解训练目标、数据流、显存与 bug 各自的所在
- 工程能力：PyTorch 生态熟练，掌握主流训练 / 推理框架至少一套；具备多机多卡训练经验者优先
- 数据敏感度：能独立编写脚本对大规模文本数据进行批处理、清洗、统计、可视化；能从数据中识别结构性问题
- 文献能力：能系统性阅读近 12 个月相关方向 paper，能就方法 trade-off 给出独立判断
- RAG / Agent 实践 (加分)：具备完整 RAG 系统或 Agent 系统搭建与调优经验者尤佳
- 其他加分：相关方向已发表论文；reward modeling / verifier 设计经验
研究模型在持续涌入的新数据下如何完成有效压缩与长期进化——即把模型视为压缩器，研究其如何将外部数据沉淀为可被复用、迭代、组合的能力。方法上采用 post-training + RAG + Agent
的组合范式（参数化记忆、检索式外部记忆、过程性技能记忆三种形态），研究三者的边界、组合与协同。
岗位日常工作：
1. 复现与拆解：复现领域代表性工作，提炼其方法、数据、评测中的关键设计，沉淀为可迁移的方法学组件
2. 方法设计与实验：围绕"模型如何更高效地从数据中提炼能力"提出方法，独立完成训练、消融与评测
3. 数据工程：设计与维护后训练 / 检索 / Agent 三条路径上的数据 pipeline——包括筛选、合成、清洗、质量评估
4. 论文与开源：把研究成果整理为投稿稿件，维护开源代码与实验框架
预期产出：1–2 篇可投 AI 顶会论文；可复用的实验框架与数据 pipeline 开源。
能力期望
- 后训练经验 (必需)：独立跑通过至少一次完整的 LLM 后训练流程，理解训练目标、数据流、显存与 bug 各自的所在
- 工程能力：PyTorch 生态熟练，掌握主流训练 / 推理框架至少一套；具备多机多卡训练经验者优先
- 数据敏感度：能独立编写脚本对大规模文本数据进行批处理、清洗、统计、可视化；能从数据中识别结构性问题
- 文献能力：能系统性阅读近 12 个月相关方向 paper，能就方法 trade-off 给出独立判断
- RAG / Agent 实践 (加分)：具备完整 RAG 系统或 Agent 系统搭建与调优经验者尤佳
- 其他加分：相关方向已发表论文；reward modeling / verifier 设计经验
