LLM Pretrain Data实习生

支持开发基于LLM的预训练语料数据过滤方法，涵盖code数据与通用文本数据。

参与大规模数据pipeline的开发工作。

与技术团队合作，探究新的数据处理或数据生成方法。

计算机科学或相关技术领域的硕士或博士在读。

具备LLM训练及训练数据整理的实际经验。

熟悉大规模数据处理框架，如Apache Spark或Ray。

熟悉LLM推理框架，如vLLM或SGLang。

在顶级学术会议/期刊上有发表论文。