米哈游【提前批】LLM算法研究员（后训练方向）

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）

#秋招##内推##提前批##米哈游##llm##算法#