研究型实习生-面向LLM自演化的Self-Taught RLVR框架研究：自蒸馏、近未来策略优化与协同策略蒸馏当面告知
蚂蚁科技集团股份有限公司
2026-11-22 00:00:00
博士27届28届实习硕士
岗位详情
地区：
上海
专业要求：
人工智能计算机科学与技术
岗位职责：
研究领域：
大模型
项目简介：
如何让大模型"自己教自己"实现持续进化，是后训练研究的核心命题。基于可验证奖励的强化学习（RLVR）已成为大模型推理能力提升的主流范式，但现有方法面临奖励信号稀疏、学习信号难以被模型有效吸收、多专家能力整合效率低等挑战。
本项目围绕"Self-Taught RLVR"这一前沿方向，从三个互补维度展开研究：利用特权信息增强的自身进行自蒸馏（informed self），利用训练过程中近未来的自身提供辅助学习信号（temporal self），以及让多个专家分支边训练边互教实现协同进化（parallel self）。核心目标是让模型为自己生成贴合当前能力、更易吸收的高质量学习信号。项目涉及RLVR、在策略蒸馏（OPD）、多专家融合等后训练核心技术，具有明确的学术前沿性和发表潜力。
招聘要求：
-在读硕士或博士研究生，计算机科学、人工智能、机器学习等相关专业
-熟悉大语言模型（LLM）的基本原理，了解Transformer架构与主流开源模型（如Qwen、LLaMA等）
-具备扎实的Python编程能力和PyTorch深度学习框架使用经验
-对强化学习（尤其是RLHF/RLVR）、知识蒸馏、或大模型后训练方向有了解或研究兴趣
-具有良好的文献阅读能力和数学基础，能理解优化目标推导与理论分析
-逻辑思维清晰，具备独立设计和执行实验的能力
-实习期间每周可投入至少4天，持续5-6个月以上
加分项：
-有RLHF/RLVR/DPO等大模型后训练方法的实践经验
-有使用分布式训练框架（如veRL、DeepSpeed、FSDP等）的经验
-有强化学习、知识蒸馏、或LLM推理能力提升方向的论文发表
-熟悉GRPO、PPO等策略优化算法的原理与实现
公司介绍
蚂蚁科技集团股份有限公司
蚂蚁科技集团股份有限公司，成立于2000-10-19，位于浙江，法定代表人：韩歆毅，登记状态：存续，注册资本3500000万人民币，公司类型：民营/私企
蚂蚁集团是中国较大的移动支付平台支付宝的母公司，也是全球金融科技开放平台，致力于以科技推动包括金融服务业在内的全球现代服务业的数字化升级，携手合作伙伴为消费者和小微企业提供普惠、绿色、可持续的服务，为世界带来微小而美好的改变。