大模型后训练数据分析实习生
招聘时间
即日起 至 2027-03-31
招聘单位
同道猎聘集团
所在地区
天津
工作地点
天津市/天津市/滨海新区 泰达MSD A1
学历要求
本科
实习时长
每周5天，每天3小时
职责描述
岗位职责
参与大模型后训练（主要是 RL）过程中的数据分析与效果分析工作，主要包括：
分析训练数据、评估数据及模型输出，发现数据分布、标签质量、数据噪声等问题
对 Reward、Advantage 等训练信号进行分析，定位奖励失效、Reward Hacking 等问题
进行模型 Badcase 分析，对错误类型进行归因、聚类和统计，识别模型当前主要能力短板
对不同模型版本、训练阶段和实验结果进行对比分析，判断模型能力变化及可能原因
根据分析结果提出下一阶段的数据构造、奖励设计、训练策略或评估优化方向
搭建和维护相关分析脚本、指标和可视化工具，提高模型迭代效率
岗位要求
熟练使用 Python，能够使用 Pandas 等工具进行数据处理与分析
具备较好的数据敏感度和逻辑分析能力，能够从大量样本和指标中发现异常与规律
对大语言模型，尤其是 RL、GRPO 等后训练技术有基本了解
有较强的问题拆解和归因能力，能够结合当前问题给出下一步优化方向
加分项
有大模型训练、数据清洗、模型评估或 Badcase 分析相关经验
熟悉强化学习中的 Reward、Advantage、KL、采样等基本概念
熟悉 SQL / Spark，能够处理较大规模数据
有 Reward Model、LLM-as-a-Judge、评估体系或数据挖掘相关经验
参与大模型后训练（主要是 RL）过程中的数据分析与效果分析工作，主要包括：
分析训练数据、评估数据及模型输出，发现数据分布、标签质量、数据噪声等问题
对 Reward、Advantage 等训练信号进行分析，定位奖励失效、Reward Hacking 等问题
进行模型 Badcase 分析，对错误类型进行归因、聚类和统计，识别模型当前主要能力短板
对不同模型版本、训练阶段和实验结果进行对比分析，判断模型能力变化及可能原因
根据分析结果提出下一阶段的数据构造、奖励设计、训练策略或评估优化方向
搭建和维护相关分析脚本、指标和可视化工具，提高模型迭代效率
岗位要求
熟练使用 Python，能够使用 Pandas 等工具进行数据处理与分析
具备较好的数据敏感度和逻辑分析能力，能够从大量样本和指标中发现异常与规律
对大语言模型，尤其是 RL、GRPO 等后训练技术有基本了解
有较强的问题拆解和归因能力，能够结合当前问题给出下一步优化方向
加分项
有大模型训练、数据清洗、模型评估或 Badcase 分析相关经验
熟悉强化学习中的 Reward、Advantage、KL、采样等基本概念
熟悉 SQL / Spark，能够处理较大规模数据
有 Reward Model、LLM-as-a-Judge、评估体系或数据挖掘相关经验
