腾讯CDG金融科技：大模型后训练算法实习生(可转正、深圳）团队简介：在这里，你将有机会接触到数亿级真实交易数据，利用最前沿的大模型技术解决金融支付、智能客服、风控合规及内部生产力工具等领域的复杂挑战。我们拥有充足的算力资源、海量的业务数据以及浓厚的学术氛围。岗位描述：1、模型训练与调优（1）参与大模型后训练（SFT、DPO、RLHF、GRPO等）算法的设计与实现，针对支付内垂直领域，提升模型对行业术语、合规要求、复杂逻辑的理解能力。（2）构建垂类专属奖励模型（Reward Model），融合领域知识（如内部知识、金融风控规则等）优化模型输出的准确性。2、场景落地实验（1）将后训练模型部署至行业分类、合规管控、金融风控等场景，优化模型在真实业务中的推理准确率与响应速度。（2）分析模型在业务场景应用中存在的问题，并针对问题完成模型优化方案设计和实验，提升模型应用效果。背景要求： 计算机、数学、自动化等相关专业的在读硕士或博士学术基础：1、扎实的机器学习/深度学习理论基础，熟悉Transformer、强化学习（RL）等核心原理，熟悉大模型训练细节。2、熟练掌握Python编程，精通PyTorch框架，具备数据处理与实验设计能力。3、有 LLM 微调、强化学习或自然语言处理（NLP）相关项目经验者优先。素质能力： 具备优秀的逻辑思维能力和解决问题能力，对新技术充满好奇心，能够阅读并实现前沿论文。实习时长： 能够连续实习 6个月及以上加分项：在 NeurIPS, ICML, ICLR, ACL, EMNLP 等顶会发表过高质量论文。在 Kaggle、天池等主流算法竞赛中获得过优异名次。有大规模分布式训练优化经验或算子开发经验。熟悉开源社区（如 HuggingFace, Llama-Factory 等）并有贡献者。