工作地点：北京/上海

工作职责：

团队工作方向为大语言模型(LLM)及多模态RL，重点围绕面向coding和SWE-bench等场景的agentic RL基础设施开发与适配、算法预研与训练验证，以及多模态RL方向的前沿探索和相关infra建设。

实习生项目工作方向:

（以下为大致方向，具体工作内容将在入职后根据个人技术背景及项目需求适配调整）

- 面向代码智能体与SWE-bench等任务的agentic RL训练与评测基础设施搭建和优化。

- 针对大模型agent的强化学习算法预研与训练验证，包括策略改进、奖励设计和评估指标等方向。

- 多模态RL相关方法与系统的预研工作，包括多模态环境设计、训练流水线与实验平台建设。

- 参与RL infra的开发，适配与优化。

- 协助完善实验数据与结果管理流程，沉淀可复用的工具链和技术文档。

每周至少可以保证3天on-site工作时间。

职位要求:

- 计算机科学、人工智能等相关专业硕士/博士在校生，具备扎实的算法和编程基础。

- 在强化学习、大语言模型或多模态学习等方向具有相关课程、科研或项目经验。

- 熟练使用PyTorch等深度学习框架，熟悉常见RL训练流程或有相关基础设施开发经验者优先。

- 具备良好的工程实现和代码调试能力，熟悉分布式训练、任务编排或评测管线者优先。

- 具备独立思考和快速学习能力，乐于在前沿方向进行探索性实验并系统化总结经验。

感兴趣的同学可将简历发送至 alexq@nvidia.com