1、法律大模型后训练：参与法律垂直领域大模型的 SFT / 偏好对齐（DPO / RLHF）训练全流程，围绕法律业务场景设计训练方案，优化模型在复杂约束下的生成质量与逻辑严密性；
2、法律训练数据合成：设计并实现自动化法律数据合成链路，利用 Multi-Agent 协同方案生成高质量 SFT / 偏好对齐数据；应用聚类与模式识别方法实现语料的深度清洗与多样化筛选，持续识别并优化合成链路的效率与质量瓶颈；
3、Reward Model 与自动化评测：参与构建针对法律文本逻辑严密性、条文引用准确性的奖励模型，应用 AI-as-Judge 技术搭建训练效果的自动化评测闭环，用评测结果反哺数据配比与训练策略迭代；
4、前沿技术探索：跟踪并复现 RL 训练（GRPO / PPO）、长思维链蒸馏、Agentic 任务训练等前沿工作，探索其在法律场景中的落地路径。
1、专业背景：计算机、人工智能或相关专业在读硕士/博士（优秀本科生亦可），具备扎实的数学与算法功底；
2、算法深度：深入理解 Transformer 架构与大模型训练原理，对 SFT / RLHF / DPO / PPO 等后训练技术有实战经验，完整跑通过至少一次大模型微调或对齐训练流程；
3、数据与工程能力：熟练使用 Python 与 PyTorch，具备大规模数据处理与 Pipeline 构建经验；熟悉 LLaMA-Factory / TRL / veRL / DeepSpeed 等训练框架者优先；有数据合成、数据配比消融实验经验者优先；
4、领域兴趣：对法律文本逻辑建模、复杂 Agent 系统有浓厚兴趣；有垂直领域模型训练、代码大模型或 Agent 训练项5、目经验者优先；有 RAG / 检索系统经验者加分（非必需）；
6、学术背书：在 NeurIPS / ICLR / ACL / EMNLP 等顶级会议发表过大模型训练相关论文者优先；
7、实习要求：实习期不少于 4 个月，每周到岗不少于 4 天。
