+ 工作地点：腾讯·北京总部

+ 实习时长：5个月以上（全职优先，接受毕业年级实习生，可提供转正HC）

### 工作内容

+ 参与通用领域 Reward Model 的训练与优化，包括数据构建、模型调优及自动化评估等；

+ 跟踪强化学习（RL）、对齐技术（Alignment）等领域前沿研究，推进算法创新。

### 职位要求

+ 教育背景：硕士/博士在读，计算机、数学、电子工程等相关专业；

+ 研究能力：在 NLP 或深度学习领域有顶会论文发表（如 ACL/EMNLP/ICML/NeurIPS等）；

+ 技术基础：熟悉 PyTorch/TensorFlow，RL 相关经验者优先；

+ 实习时间：每周至少4天全勤，持续5个月以上。

+ 加分项：有大厂算法实习经历；熟悉 RLHF/PBT 等技术细节。

简历投递请扫描下方二维码