【大模型北斗实习】大规模 Post-training 算法架构前沿研究

Post-training 是提升大模型专项能力的核心技术方向之一，包括不限于复杂推理（Reasoning）、价值观对齐（Alignment）、业务Agent应用等研究方向。
本课题研究方向包括但不限于：
1）实现高效灵活的多模型强化学习训练架构。
2）通过合理灵活动态配置资源，提升PPO及各变种算法运行效率。
3）研究低精度在 Post-training 中的应用方式。
4）研究不同的算法+数据对效果的影响。
5）在复杂框架下，研究如何高效的追踪记录训练过程，提升算法探索效率。

1）熟悉大规模分布式训练、推理、量化等技术之一。
2）熟悉常用的训练推理框架，vLLM、SGLang、Megatron、Deepspeed等。
3）熟悉强化学习算法。
加分项：相关领域开源项目或发表高水平论文。