llm

工作职责 1、设计严谨和科学的针对post train model的benchmark，准确评估基础模型能力，设计模型能力优化方向，提升基础模型的social intelligence2、设计和训练奖励模型，深度参与基础模型的后训练优化，持续解决reward hacking问题和扩大强化学习训练规模3、研究Reward System，涉及但不限于LLM-as-Judge, Generative Reward Model, Agentic Reward Model, Sandbox等技术任职要求1、硕士及以上学位在读，计算机、人工智能等相关专业优先2、深入了解LLM后训练，具备LLM Benchmark设计/奖励信号设计/强化学习训练项目经验者优先3、具备良好的中英文阅读和鉴赏能力，有良好的沟通合作能力4、熟练使用python语言和pytorch框架加分项1. 在ACM/ICPC，NOI/IOI，TopCoder等编程大赛上有获奖2. 在后训练/模型评估有NeurIPS/ICML/ACL/EMNLP顶级论文发表，积极追踪大模型方向前沿进展和应用3. 具备良好的文学素养，对游戏、影视、小说等人文和娱乐内容有浓厚兴趣投递链接https://jobs.mihoyo.com/?sharePageId=121176&recommendationCode=052BT&isRecommendation=true#/campus/position/7913

工作职责 1、研究LLM后训练算法，探索LLM Agent在游戏场景中的落地应用，包括在游戏设计、玩法以及研发管线中的应用等；2、针对各应用场景，收集LLM后训练数据，制定数据流转pipeline，参与构建后训练数据飞轮；3、研究LLM模型的后训练策略，使用强化学习等技术提升LLM Agent的性能，参与游戏领域LLM模型的调优、训练和迭代，推动LLM在游戏场景中的技术突破；4、与游戏制作管线中的其他团队紧密合作，打造新的AI游戏开发流程，创造次世代游戏体验；与工程团队紧密合作，交付稳定可靠的LLM服务。‌任职要求1、计算机科学、数学等相关领域的应届毕业生，有良好的编程能力和扎实数理基础；2、熟悉LLM常用工具和框架，如transformers，llama-factory，verl等。熟悉适用于LLM后训练的强化学习算法，如PPO，GRPO，DAPO等；3、有LLM项目实践经历，包括但不限于LLM模型训练，Code Agent，RAG系统，AI搜索，AI NPC，各类AI工作流等。加分项1、在NeurIPS/ICML/ICLR/ACL/EMNLP等会议或期刊上发表过论文者优先；2、获得过国际或国内信息竞赛奖项者优先；3、有游戏技术栈开发经历的优先，参与过 AI Agent 工业化工具开发优先。面向对象全体在校生投递链接https://jobs.mihoyo.com/?sharePageId=121176&recommendationCode=052BT&isRecommendation=true#/campus/position/8333

工作职责 职位描述作为一名核心的数据算法实习生，你将直接参与构建和优化我们核心大语言模型的预训练数据。你将从数据源头开始，通过科学的数据工程与算法策略，深刻影响模型的底层能力、知识广度和思想深度。岗位职责：数据工程与基建： 负责大模型预训练数据的全流程构建，包括多源数据发现与评估、自动化清洗与去重、结构化与内容安全处理；数据策略与实验： 设计并执行数据配比、质量筛选、混合合成策略的对比实验，以科学方法驱动模型性能的持续提升；前沿数据构建： 洞察模型能力的瓶颈，主动构想并构建能突破当前模型“天花板”的新型训练数据（如高质量对话、复杂推理链、代码-文本对等），探索数据创新的前沿；数据效果分析： 分析模型在不同数据上的训练动态与性能表现，建立“数据-模型能力”的量化洞察，为数据决策提供依据。任职要求任职要求：计算机科学、人工智能或相关专业硕士及以上在读；熟练掌握 Python 及主流数据处理框架（如 Pandas, PySpark），具备扎实的工程实现能力；深入理解大语言模型的预训练数据构建全流程（从数据源到模型输入），熟悉主流模型架构（如 Transformer）和基础训练范式；对语言模型和对话系统充满热情，热衷于探索其背后的工作原理与应用场景。加分项加分项（满足一项或多项）：数据审美与洞察力： 对数据质量有敏锐的“直觉”和高标准的审美，能够从海量数据中识别出真正具有价值的“黄金”样本；实战经验： 具备大模型相关数据构建、训练或评估的实习/项目经验，或有实际参与对话/指令微调项目；学术能力： 在ACL, EMNLP, NeurIPS, ICLR等顶级会议发表过与NLP/LLM相关的论文；工程能力： 熟悉大规模数据处理流程与工具（如 Docker, Git, 分布式计算），代码风格清晰规范。投递链接https://jobs.mihoyo.com/?sharePageId=121176&recommendationCode=052BT&isRecommendation=true#/campus/position/8079

👋个人背景：2本9硕，2实习无论文👏offer1：字节tt推荐大模型，base上海，主要是短视频推荐，主端信息流冷启动方向，面试官说主要在探索生成式推荐，强度早九点半晚九点半，toc业务;💯offer2：阿里云瓴羊，暑期实习转正，base杭州，岗位是大模型算法，主要方向是智能客服，RAG，agent等，但我应该是主做rag，强度早十晚九，tob业务;两家给的十分接近，字节业务貌似更好，但以前没接触过推荐，阿里云组内更熟悉，不用担心landing或者试用期不过，但是商业化团队技术感觉不强

工作职责 1、研究LLM后训练算法，探索LLM Agent在游戏场景中的落地应用，包括在游戏设计、玩法以及研发管线中的应用等；2、针对各应用场景，收集LLM后训练数据，制定数据流转pipeline，参与构建后训练数据飞轮；3、研究LLM模型的后训练策略，使用强化学习等技术提升LLM Agent的性能，参与游戏领域LLM模型的调优、训练和迭代，推动LLM在游戏场景中的技术突破；4、与游戏制作管线中的其他团队紧密合作，打造新的AI游戏开发流程，创造次世代游戏体验；与工程团队紧密合作，交付稳定可靠的LLM服务。‌任职要求1、计算机科学、数学等相关领域的应届毕业生，有良好的编程能力和扎实数理基础；2、熟悉LLM常用工具和框架，如transformers，llama-factory，verl等。熟悉适用于LLM后训练的强化学习算法，如PPO，GRPO，DAPO等；3、有LLM项目实践经历，包括但不限于LLM模型训练，Code Agent，RAG系统，AI搜索，AI NPC，各类AI工作流等。加分项1、在NeurIPS/ICML/ICLR/ACL/EMNLP等会议或期刊上发表过论文者优先；2、获得过国际或国内信息竞赛奖项者优先；3、有游戏技术栈开发经历的优先，参与过 AI Agent 工业化工具开发优先。面向对象2026届（2025.9-2026.8之间毕业）

我这里有个大模型的比赛，感觉比较好拿奖，还有丰厚的奖金，想找队友

商汤校招开始了，详情请看：https://mp.weixin.qq.com/s/oMcjSpqO3z-ZuPa2knHQ8g内推码：jveqan，先人一步！！！！需要了解岗位可以cue我~~

1. PyTorch 行业首选。让你能轻松地设计和调试复杂的神经网络模型，国内外各大厂商、院校都在使用。  2. TensorFlow 根基深厚，很多成熟的企业级应用和云服务都基于它构建。近年来逐渐被PyTorch反超。  3. LangChain 一个“应用大模型的脚手架”。它帮你把大语言模型、你的数据、各种工具像拼图一样连接起来，快速构建出功能强大的AI应用。  4. vLLM 只要是涉及部署和运营自家大模型的团队，几乎都会关注和使用vLLM，因为它直接关系到服务的响应速度和成本，是当下的热门技术。  5. DeepSpeed 一个由微软出品的“模型训练超级引擎”。它能将大模型“切块”，分...

字节大模型团队（核中核）急招人~最近发布的豆包大模型。 字节面向校招生首次开启"天才少年"-Top Seed特殊人才计划，足见重视程度。豆包APP已成为中国市场用户量最大的AIGC应用。 LLM，多模态，语音，量化压缩、高性能计算方向均急招人，响应快，当天即可约面。待遇极好。投递链接：北京：https://job.toutiao.com/s/i27QnVEf 上海：https://job.toutiao.com/s/i27C6wXJ 杭州：https://job.toutiao.com/s/i27Q3fHX 深圳：https://job.toutiao.com/s/i27C...

内推码：J4VQ9 岗位链接：链接 岗位名称：AudioLLM 研究员 投递的时候，请填写内推码，方便我跟进后续流程；实习岗位一般至少5个工作日才有进度更新，请耐心等候； 也欢迎同学们内部相互推荐，实习相对比较容易拿到米哈游的offer 工作职责 专注于AudioLLM通用音频理解模型的研究与开发，参与构建下一代音频基础模型和Omni多模态框架，探索语音、音乐、环境声音等多模态音频内容的统一理解建模方法，推动 audio AI 在理解、生成和交互场景中的技术突破。 核心职责：  模型架构与训练：负责通用音频理解模型设计与分布式训练优化，实现语音识别、情感分析、音频问答、音乐理解、声音事件检测等...