【Ace顶尖实习生】大模型后训练泛化性研究

本课题聚焦小红书通用基座模型在真实业务 OOD 场景下的泛化性问题，围绕三个方向展开：

1. 01

   研究如何在训练阶段提升模型的 In-context Learning 与 OOD 泛化能力，包括任务抽象、数据构造、Prompt 模板改写与训练策略设计；

2. 02

   研究如何评测这些能力，建立真实 OOD 评测和面向领域任务构造的 ICL 能力评测方法，区分真正的泛化提升与同分布收益；

3. 03

   在模型固定的情况下，研究如何通过更好的 Context Engineering 提升模型在 OOD 任务上的表现。目标是沉淀可复用的训练、评测和 Context Engineering 方法，为小红书通用基座模型通过 Prompting 调用 API 更好服务业务提供支撑。

1. 01

   不限年级，本科及以上在读，计算机/人工智能/软件工程等相关专业优先；

2. 02

   扎实的编程能力和算法功底，熟练掌握Python/C++/Java等至少一种编程语言；

3. 03

   扎实的机器学习/深度学习理论基础，有大规模推荐系统、计算广告、搜索引擎等核心算法项目经验；

4. 03

   有LLM/MLLM等多模态理解技术背景，或大规模模型训练实际项目经验者优先；

5. 05

   在TPAMI/CVPR/NeurIPS/ICCV/ICML/ICLR等顶级期刊会议上发表相关论文者优先；

6. 06

   在顶级学术会议或期刊发表论文，或ACM编程竞赛/机器学习等竞赛获奖；

7. 07

   良好的沟通协作能力，责任心强，积极主动，能和团队一起探索新技术，推进技术进步。