# agent后训练算法实习生-2027届

外部公开机会：不能在 Agent觅聘 内申请，请前往官方渠道投递。

投递在官方渠道完成，完整外部回执留在本人工作区；已登录时，通过 CLI 明确记录的选择、本人自报投递和渠道观察三类最小事件默认上报平台。浏览或保存岗位不会触发上报，外部投递不会出现在“我的申请”里。

- 公司: 小米 (阶段未知)
- 地点: 北京
- 职能: 算法
- 前往官方投递: https://xiaomi.jobs.f.mioffice.cn/internship/position/7687904703179213099/detail

## 来源岗位原文

工作内容

1. Agent 后训练全流程建设： 负责基于大语言模型的通用 Agent 的后训练（Post-training）工作，覆盖 SFT、偏好对齐（DPO/ORPO/KTO 等）、RLHF/RLAIF、RLVR 等阶段，针对 Tool-use、多轮规划、长程推理、错误恢复等核心能力进行定向训练；
2. Agentic SFT 数据工程： 构建高质量 Agent 轨迹数据生产线，包括真实交互轨迹采集、模型自博弈（Self-play）生成、轨迹筛选与清洗、拒绝采样（Rejection Sampling）、多样性增强等策略，持续迭代数据配方与课程学习方案；
3. Preference & Reward Modeling： 训练面向 Agent 行为的 Reward Model / Preference Model，覆盖任务完成率、工具调用正确性、推理链质量、步骤效率、安全性等多维信号；探索 Process Reward Model（PRM）对中间推理/动作步骤的细粒度建模；
4. RL for Agent： 研究并落地适合 Agent 场景的强化学习算法，解决长 horizon 信用分配、稀疏奖励、工具环境交互不稳定、离线-在线 RL 融合等关键问题；在代码执行、浏览器操作、API 调用等交互式环境中训练 agent 策略；
5. 多轮交互与记忆能力训练： 针对 Agent 的多轮对话记忆、长上下文工具使用、从反馈中学习（online adaptation）等能力，设计专项训练任务与对齐方案；
6. 训练 Infrastructure 优化： 基于 DeepSpeed / Megatron / vLLM / SGLang / veRL 等框架，优化大规模分布式后训练 pipeline 的稳定性、吞吐效率和显存利用率，支撑百亿到千亿参数模型的训推一体迭代；
7. 评测与归因： 建立系统化的 Agent 能力评测基准（覆盖工具使用、规划、推理、鲁棒性、安全性等维度），结合自动评测与人工评估对训练效果进行量化分析，badcase 归因后驱动下一轮数据与训练策略迭代；
8. 前沿复现与创新： 跟踪并复现 Agent 后训练方向的最新工作（如 OpenAI o-series、DeepSeek-R1、Tool-integrated Reasoning、Agent Q*、Reinforced Fine-tuning 等），结合业务场景提出创新方案并落地验证。
任职要求
基本要求
- 计算机、人工智能、数学、统计等相关专业在读硕士/博士（优秀本科生亦可）；
- 扎实的机器学习与深度学习基础，深入理解 Transformer 架构与 LLM 训练/推理原理；
- 熟悉强化学习基础算法（PPO、DQN、Policy Gradient、Actor-Critic 等），了解 LLM 对齐算法（RLHF、DPO、GRPO、KTO 等）的原理与实现细节；
- 熟练使用 Python 与 PyTorch，有实际的大模型训练/微调经验（SFT、LoRA、RLHF 任一）；
- 了解分布式训练相关技术（数据并行、张量并行、流水线并行、ZeRO 等），具备多卡/多机训练实操经验；
- 数学功底扎实，能独立推导优化目标、分析 loss 设计与梯度行为。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "id": "202", "name": "实习", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 3, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Intern", "i18n_name": "实习", "id": "202", "name": "实习", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}}

---
opening_id: ed87e9dc-f8ac-47b1-a3ac-debd0b05163e

`anm openings save --id ed87e9dc-f8ac-47b1-a3ac-debd0b05163e`