大模型算法与优化实习生（智能终端）(J18988)

深入模型本身。岗位覆盖三个方向——训练算法方向：数据构建与清洗、SFT、偏好优化（DPO/GRPO）、评测驱动的训练迭代；推理部署方向：vLLM/SGLang/llama.cpp 等引擎的部署调优、量化（FP8/4bit）、投机解码、性能分析；架构研究方向：高效架构（MoE/线性注意力）、蒸馏与剪枝、量化感知训练、scaling 实验。

1. 01

   在导师指导下，参与上述任一方向的开发或实验。

2. 02

   参与数据构建、评测与实验管理，撰写实验报告。

3. 03

   阅读并复现论文与新技术，把结论带回团队。

1、2027 届及以后的本科/硕士/博士在校生或应届生，计算机/人工智能/数学/电子等相关专业；

2. 02

   机器学习基础扎实：理解反向传播与训练循环，写过课程作业级的训练代码；

3. 03

   用过 PyTorch：跟教程微调过模型、复现过论文实验均可；

4. 04

   Python 功底扎实（C++/CUDA 仅加分，不作要求）；

5. 05

   日常深度使用 AI 工具（Codex/Claude Code/Cursor 等任一）辅助学习与开发，具备 AI-first 思维方式：先想“能不能交给 AI 做”，并能举例讲出自己的用法与验证习惯；

6. 06

   对“模型怎么训练得更好/怎么跑得更快”中至少一个问题有真实的好奇心，并能说出为此做过的任何一件小事；

7. 07

   完整跑通过一次微调（LoRA 级别即可）、能解读 loss/eval 曲线者优先；用 ollama/vLLM/llama.cpp 等部署过模型者优先；

8. 08

   复现过论文、有 GitHub 仓库可看者优先；把 AI 工具深度用进科研流程（文献速读、实验脚本生成与调试、数据处理管线）者优先；

9. 09

   Kaggle/ACM/数学物理竞赛获奖者优先；有一作论文者优先（直通面试）；有稳定论文阅读习惯、能讲清一篇近期 LLM 论文的方法与结论者优先；

10. 10

    实习期 3 个月，表现优秀可转正/直通校招终面。