[上海]深圳虾皮信息科技有限公司

职位：ASP Intern LLM-大模型对齐算法工程师
发布时间：2026-08-28
工作地点：上海
信息来源：四川大学
职位类型：全职
职位描述
（ASP Intern）LLM-大模型对齐算法工程师
发布企业：深圳虾皮信息科技有限公司 丨 发布时间：2026-08-20

职位信息

职位名称 类型 性质 最低学历要求 人数 薪资

（ASP Intern）LLM-大模型对齐算法工程师 前端|后端|系统集成|软件开发 实习 硕士 5 20000以上

发布时间 2026-08-20 16:53:35

职位有效期 2026-11-29 23:59:59

专业 人工智能；信号与信息处理；信息与通信工程；信息安全；信息系统安全；光电信息工程；数学；数理统计；新一代电子信息技术（含量子技术等）；计算金融交叉试验班；通信与信息系统；通信工程

工作地址 上海市市辖区松江区

职位要求 岗位要求计算机、人工智能、机器学习、数学等相关专业硕士或博士在读。熟悉机器学习与深度学习基础，了解大模型训练、微调或 post-training 的基本流程。对强化学习有基础理解，熟悉 PPO、GRPO、reward modeling、policy optimization、credit assignment 等概念者优先。熟练使用 Python，熟悉 PyTorch；具备良好的工程实现和实验分析能力。对 LLM 的推理能力、代码智能体、指令遵循、多轮对话、RAG、长文本或多语言中的一个或多个方向有兴趣或实践经验。能独立阅读英文论文，具备较强的问题拆解、实验设计和结果分析能力。每周可实习 4 天及以上，实习期 3 个月以上优先。加分项有 LLM post-training、SFT、RLHF、RLAIF、DPO、PPO、GRPO、RLVR 等实践经验。熟悉 verl、TRL、Ray、vLLM、SGLang、Megatron、DeepSpeed 等训练 / 推理框架。有数据合成与蒸馏、reward design、自动判题、trajectory analysis、sandbox execution、Docker / 容器环境经验。在 NeurIPS、ICLR、ICML、ACL、EMNLP、AAAI 等会议发表过相关论文，或有高质量开源项目。有算法竞赛、Kaggle、ACM/ICPC、系统工程或复杂工程项目经验。你将获得深入参与前沿 LLM Mid-training / SFT / RL 全链路 post-training 方向的研究与落地，直接对标业界最新开源模型。接触真实的大规模训练与推理环境、可验证奖励体系、诊断驱动的数据引擎和完整的实验流程。与算法、工程、产品团队协作，将研究结果转化为下一代基座模型的核心能力。有机会产出论文、技术报告、开源项目或核心业务成果。

政治面貌 无要求

实习实践经验 有要求

职位简介 岗位描述 我们正在系统性地推进大模型的能力对齐（Alignment），覆盖 Mid-training SFT RL 的全链路优化：用 mid-training 补齐基座能力上限，用 SFT 冷启，用全方位的强化学习算法（PPO、GRPO、DPO等）把模型潜力锐化为稳定可靠的输出。你将参与 Reasoning（数学 / 逻辑 / STEM）、Coding（代码生成 / SWE Agent）、General（指令遵循 / 多轮 / 长文本 / 多语言）中一个或多个方向的算法与数据建设，推动自训模型在关键 benchmark 上追平至超越目标模型。 重点研究方向 模型训练机理与可解释性。Motivation：Scaling 收益正显现边际递减效应，低垂的果实已被快速收获，新的突破必须从底层原理出发 深入理解 mid-training / SFT / RL 过程中模型能力如何形成、迁移与遗忘，为训练决策提供机理级依据而非经验试错。 强化学习与模型能力边界提升。Motivation：前瞻性的强化学习技术储备。实验计划：细粒度反馈（fine-grained / process-level feedback）、类 AlphaZero 的自我探索（self-play / self-exploration）提升基础模型的能力上限。 多领域能力合并（Multi-domain Merge）。研究在合并多个能力域（数学 / 代码 / 逻辑 / 指令遵循 / 长文本等）时如何减少相互掉点，探索达到帕累托最优的合并算法。 数据构建。面向数学、代码、逻辑、STEM 等推理能力的高质量数据构建，包括：长思维链（long CoT）轨迹的合成与蒸馏、教师选型与胜者筛选、可验证答案 / 用例的自动生成、按考点分布与失败机制的定向配比、难度分层与去污染，以及 generate verify filter train regenerate 的自迭代闭环。 投递方式 进入校招官网，选择心仪的岗位网申： ap***com[点击查看] 联系我们 微信公众号：Shopee虾皮招聘 官方招聘小红书：Shopee 校招咨询邮箱：campus.cndc@

岗位职责 岗位职责参与 Mid-training / SFT / RL 全链路 post-training 方法的研究与落地，掌握并灵活运用全方位的强化学习算法，包括 PPO、GRPO、DPO 等，在真实训练环境中做能力对齐。参与各阶段的联合优化：mid-training 的数据配比与基座能力抬升、SFT 的教师选型与配方、RL 的奖励设计与策略优化，理解并权衡三个阶段在能力天花板（pass@k）与稳定输出（pass@1）上的分工。探究 post-training 的 scaling 规律与能力边界提升，例如如何做更久 / 更稳定的 RL（延长有效训练步数、缓解熵坍缩与奖励饱和）、细粒度 / 过程级反馈（fine-grained / process reward），以及类 AlphaZero 的自我探索（self-play / self-exploration），持续抬升基础模型的能力上限。设计并实现奖励信号与自动评测器（如代码判题、数学答案校验、指令约束校验、Agent 任务成功率），保证 reward 正确性锚定在模型之外、不产生自我强化误差。参与高质量训练数据构建：数据合成与蒸馏、去重去污染、质量打分、失败样本挖掘、偏好数据构建，以及按「有效监督 token / 考点分布 / 失败机制」的定向配比策略。打通并优化 mid-training / SFT / RL 的训推链路（如 verl / SGLang / vLLM / Megatron），定位并修复训推不一致、熵坍缩、显存与吞吐瓶颈等工程问题。跟踪 LLM post-training、RL for LLM、reasoning models、Agentic RL、agent evaluation 等方向的前沿论文与开源框架，并快速复现或落地。

单位信息

单位名称 深圳虾皮信息科技有限公司

单位性质 三资企业 单位行业 信息传输、软件和信息技术服务业

标签

隶属单位 下属单位 单位官微

单位图片 视频介绍

单位介绍 Shopee是东南亚领航电商平台,覆盖新加坡、马来西亚、菲律宾、印度尼西亚、泰国及越南等市场。改变数百万人的生活方式，与我们一起创造历史！