# agent后训练算法实习生-2027届

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 小米 (Stage unknown)
- Locations: 北京
- Role: Algorithm
- Apply on the official site: https://xiaomi.jobs.f.mioffice.cn/internship/position/7687904703179213099/detail

## Role description from source

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`