锦鲤求职岗位描述
岗位描述
我们正在开展大模型递归自我改进（Recursive Self-Improvement，RSI）研究，关注模型如何利用任务反馈，自主生成和筛选数据、改进解题策略，并通过多轮训练持续提升能力。我们希望探索的不只是单次训练带来的提升，还包括模型能否参与改进自身的学习过程，以及这种改进在多轮迭代中是否有效。相关方法也将在金融、医疗领域的专业推理和复杂任务中进行验证。欢迎对模型自我改进、强化学习、合成数据或复杂推理感兴趣的同学加入。具体课题将结合你的研究兴趣和经验确定。
研究方向：
1. 模型自我改进方法研究
探索任务生成、数据筛选、自我评估、自我纠错等方法，研究如何将模型自身的输出与任务反馈转化为有效的学习信号，支持多轮迭代改进。
2. 训练与反馈机制研究
结合监督微调、强化学习、验证器等方法，设计并实现自我改进实验。分析数据质量、反馈准确性和训练策略对改进效果的影响，探索减少人工干预的方法。
3. 持续改进能力验证
建立对照实验和评测任务，检验能力提升能否延续、能否迁移到新任务，分析迭代中的错误累积、能力退化及计算开销。完成论文复现、消融实验与结果整理，参与论文撰写或开源项目。
4. 金融、医疗场景研究
围绕专业问答、文献与数据分析、复杂任务推理等问题，验证自我改进方法的实际效果，关注专业准确性、回答依据与可靠性。
岗位要求
1. 计算机、人工智能、数学、统计学、电子信息或其他相关专业在读；
2. 熟悉深度学习与 Transformer 基础，能够阅读英文论文，并实现其中的主要方法；
3. 熟练使用 Python 和 PyTorch，具备模型训练、调试和实验分析能力；
4. 在大模型训练、强化学习、合成数据、模型评测或复杂推理中，至少有一个方向的项目或研究经历；
5. 能够围绕研究问题设计实验、分析结果，有清晰的实验记录习惯，能主动与团队讨论问题；
6. 可在上海实习，原则上连续实习不少于 6 个月，每周至少到岗 4 天。
加分项：
1. 欢迎附上代表性论文、项目或代码仓库，并注明个人贡献、最早到岗时间及预计实习时长。
2. 有模型自我改进、自训练、自我纠错或持续学习相关研究经验；有合成数据生成与筛选、奖励建模、验证器或强化学习训练经验；
3. 熟悉大模型训练与推理工具，有分布式训练或实验效率优化经验；
4. 有数据集或评测基准建设经验，能够针对具体任务设计合理的评估方法。；
5. 有金融、医疗领域的研究或 AI 项目经验；
6. 有 NeurIPS、ICML、ICLR、ACL、EMNLP、COLM 等会议论文，或有代表性的开源项目成果。