LLM预训练数据算法实习生-基模
米哈游 · 转正未明
面议
工作城市 上海学历 硕士岗位类型 实习实习分类 暑期未明确转正
内容来自「米哈游实习招聘」官方招聘页面 · 采集于 2026-11-09
岗位详情
职位描述
- 作为一名核心的数据算法实习生，你将直接参与构建和优化我们核心大语言模型的预训练数据。你将从数据源头开始，通过科学的数据工程与算法策略，深刻影响模型的底层能力、知识广度和思想深度。
岗位职责
- 数据工程与基建： 负责大模型预训练数据的全流程构建，包括多源数据发现与评估、自动化清洗与去重、结构化与内容安全处理； 数据策略与实验： 设计并执行数据配比、质量筛选、混合合成策略的对比实验，以科学方法驱动模型性能的持续提升； 前沿数据构建： 洞察模型能力的瓶颈，主动构想并构建能突破当前模型“天花板”的新型训练数据（如高质量对话、复杂推理链、代码-文本对等），探索数据创新的前沿； 数据效果分析： 分析模型在不同数据上的训练动态与性能表现，建立“数据-模型能力”的量化洞察，为数据决策提供依据。
任职要求
- 计算机科学、人工智能或相关专业硕士及以上在读； 熟练掌握 Python 及主流数据处理框架（如 Pandas, PySpark），具备扎实的工程实现能力； 深入理解大语言模型的预训练数据构建全流程（从数据源到模型输入），熟悉主流模型架构（如 Transformer）和基础训练范式； 对语言模型和对话系统充满热情，热衷于探索其背后的工作原理与应用场景。