深圳市优必选科技-大模型实习生

岗位职责：

1. 协助开展VLA模型的强化学习训练，参与RLHF流程搭建，包括奖励模型优化、策略微调等核心环节。

2. 配合整理对齐数据集，优化强化学习训练链路，提升模型指令理解与输出一致性。

3. 跟踪强化学习与大模型融合的前沿技术，完成小型技术调研与实验验证，输出简要分析报告。

4. 协助优化模型训练效率，参与实验数据记录、效果复盘，支撑算法迭代优化。

岗位要求：

1. 在读博士学历（计算机、AI、自动化等相关专业），每周可实习3天以上，实习期不少于3个月。

2. 精通Python，熟练掌握PyTorch框架，具备扎实的强化学习与神经网络基础，了解VLA核心原理。

3. 熟悉PPO, GRPO，有VLA模型微调或强化学习项目经验者优先。

4. 具备良好的数学基础与逻辑思维，能独立推进简单实验，有较强的问题解决能力。