我们正在寻找对大模型底层能力建设真正感兴趣的算法工程师，一起参与 MiniMax 通用大模型的预训练体系建设。 你会负责： - 参与大语言模型预训练 / mid-training 相关工作，包括数据构建、训练策略、模型能力分析与迭代； - 设计和优化高质量预训练数据体系，包括数据清洗、去重、配比、质量评估和数据飞轮建设； - 围绕代码、数学、推理、长上下文、agent 等关键能力方向，推进模型能力提升； - 建立训练过程中的评测与诊断方法，定位模型能力短板并推动数据和训练方案优化； - 与 infra、后训练、产品和评测团队协作，将前沿研究快速落到真实模型迭代中。 这个岗位适合对模型能力本身有热爱的人。 你会离模型最底层的问题很近：数据从哪里来，如何被选择，如何进入训练，如何变成模型的能力。 - 熟悉机器学习 / 深度学习基础，有扎实的算法和工程能力，具备良好的实验分析和代码实现能力； - 对大模型预训练、数据工程、训练稳定性、scaling law、模型评测等方向有兴趣或经验； - 有较强的问题拆解能力，能从实验现象中找到关键变量并持续迭代； - 对前沿技术保持好奇，愿意在高不确定性问题中探索。 加分项： - 有 LLM 预训练、mid-training、SFT/RLHF、agent、code model 或长上下文相关经验； - 熟悉 Megatron、DeepSpeed、PyTorch、分布式训练或大规模数据处理； - 有高质量论文、开源项目、竞赛或工业界大模型项目经验。