强化学习算法实习生

参与多智能体协同场景的环境构建、数据合成与算法设计（SFT & RL 全流程）。

探索可泛化、可拓展的 Agentic LLM 训练方法，提升 Agent 在真实业务场景中的表现。

参与研究结果整理与高水平论文发表。

全日制统招在校生，2027年及之后毕业。

有大模型 / 多智能体系统（Multi-Agent System）/ 强化学习方向研究或实践经历，熟悉主流大模型训练方法优先。

熟悉 Python 等至少一门编程语言，具有较强的代码开发能力，熟悉 Linux 工作环境。

良好的工程实现能力，熟悉 LLaMA-Factory、Verl 等常见开源训练框架，能在多卡/多机环境下调试与优化者优先。

在顶会 / 高水平期刊发表过相关论文，或有 Kaggle / ACM / ICPC 类竞赛奖牌及其他高水平竞赛获奖经历者优先。

良好的沟通与团队协作能力，具备较强的思考和解决问题的能力，长期实习（6 个月及以上）优先。