模型训练实习生

岗位职责
我们正在构建面向游戏开发的下一代 AI Coding Agent。 团队聚焦 Agentic Reinforcement Learning、LLM Post-training、Code Generation 与 Agent Evaluation 等前沿方向，希望打造能够自主完成 Unity 游戏开发任务（代码编写、Shader、UI、场景编辑、资源管理、性能优化等）的智能开发助手。我们欢迎对 Agent、强化学习和大模型训练充满热情的同学加入，共同探索下一代 AI Software Engineer。

- 参与面向游戏开发（Unity）的 Coding Agent 研究与训练，探索 Agent 在代码生成、GUI 操作、工具调用等复杂开发任务中的能力提升。
- 参与 Post-training 全流程研究，包括高质量训练数据构建、SFT、Preference Learning、Agentic RL 等训练方法设计与实验。
- 参与 Agent Harness 与自动化评测体系建设，设计覆盖代码正确性、任务完成率、执行效率等维度的 Benchmark，推动训练—评测—优化闭环。
- 研究和实现 Agent Trajectory 的构建方法，包括多轮 Tool Use、环境交互、GUI 操作、代码执行等复杂轨迹数据的生成与利用。
- 探索最新 Agentic Reinforcement Learning 方法（如 GRPO、DAPO、RFT 等）在 Coding Agent 场景中的应用，持续优化模型推理与决策能力。
- 跟踪并复现前沿 Agent 与 Code LLM 研究成果，结合 Unity 游戏开发场景开展创新研究，并推动研究成果落地。

岗位要求
- 在读硕士或博士研究生，计算机、人工智能、数学等相关专业
- 在读硕士或博士研究生，计算机科学、人工智能、数学等相关专业。
- 扎实的机器学习、深度学习基础，熟悉 PyTorch，具备独立开展训练实验和分析实验结果的能力。
- 熟悉大语言模型 Post-training 流程，对 SFT、Preference Optimization、RLHF、Agentic RL 等至少一个方向有实践经验。
- 熟悉 LLaMA、Qwen、DeepSeek、Code Llama 等开源模型，具有模型训练或微调经验。
- 具备较强的 Python 编程能力，具有良好的工程能力与代码习惯。
- 对 LLM Agent、Tool Use、Code Agent、多智能体系统等方向具有浓厚兴趣，并愿意持续阅读和复现最新论文。
- 每周可实习 4 天及以上，连续实习不少于 3 个月，长期实习优先。

加分项
- 有 LLM Post-training、RLHF、GRPO、DAPO、RFT 等相关研究或项目经验。
- 有 Code LLM、Agent、Tool Use、GUI Agent、Computer Use 等相关研究经历。
- 熟悉 vLLM、SGLang、DeepSpeed、Megatron、FSDP 等大模型训练或推理框架。
- 有 Agent Benchmark、Agent Harness、Evaluation Framework 或自动化评测系统开发经验。
- 有 Unity、Unreal Engine 或其他游戏开发经验，对游戏开发流程有一定了解。
- 在 NeurIPS、ICML、ICLR、ACL、EMNLP、KDD、The Web Conference 等国际会议发表或投稿过论文。

你将获得
- 深度参与 Unity 新一代 Coding Agent for Game 的核心研究工作。
- 接触业界前沿 Agentic RL、LLM Post-training、Agent Evaluation、Coding Agent 技术体系。
- 与国际化研究团队合作，参与高质量研究项目，并有机会推动成果发表于顶级 AI 学术会议。
- 在真实工业场景中完成从 数据 → Post-training → RL → Evaluation → Agent 部署 的完整研发闭环。