米哈游实习-LLM算法实习生

工作职责
1、设计严谨和科学的针对post train model的benchmark，准确评估基础模型能力，设计模型能力优化方向，提升基础模型的social intelligence
2、设计和训练奖励模型，深度参与基础模型的后训练优化，持续解决reward hacking问题和扩大强化学习训练规模
3、研究Reward System，涉及但不限于LLM-as-Judge, Generative Reward Model, Agentic Reward Model, Sandbox等技术

任职要求
1、硕士及以上学位在读，计算机、人工智能等相关专业优先
2、深入了解LLM后训练，具备LLM Benchmark设计/奖励信号设计/强化学习训练项目经验者优先
3、具备良好的中英文阅读和鉴赏能力，有良好的沟通合作能力
4、熟练使用python语言和pytorch框架

加分项
1. 在ACM/ICPC，NOI/IOI，TopCoder等编程大赛上有获奖
2. 在后训练/模型评估有NeurIPS/ICML/ACL/EMNLP顶级论文发表，积极追踪大模型方向前沿进展和应用
3. 具备良好的文学素养，对游戏、影视、小说等人文和娱乐内容有浓厚兴趣

投递链接
https://jobs.mihoyo.com/?sharePageId=121176&recommendationCode=052BT&isRecommendation=true#/campus/position/7913

#春招##内推##前端##后端##客户端##ai##产品##测试##实习#