面壁智能
实习法律智能算法实习生（大模型训练与数据合成方向）
北京 · 实习 · 2027 届 · 博士
长期有效
任职要求
- 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
- 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
- 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
- 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）
- 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
- 实习要求：实习期不少于 4 个月，每周到岗不少于 4 天。
岗位描述
- 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。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。