Intermediate React Jobs In Shanghai - 1 Job Positions Available

大模型算法工程师（开放域对话） 上海 社招 实习 数字技术 本科及以上 1 年以下 职位描述 1、大模型应用落地：负责智能座舱对话系统核心场景的大模型（LLM）算法研发与落地，利用 Agentic RL 技术提升多轮对话的决策成功率、任务规划（Planning）准确性及响应流畅度。2、全链路数据建设：主导座舱对话数据的端到端建设，负责原始语料的清洗、去重，并协助构建针对强化学习（RL）的高质量 Reward Model 训练集 及复杂交互场景的评测集，确保数据反馈闭环的质量。3、模型训练与优化：进行基座模型的 SFT、RLHF/RLAIF（如 GRPO、PPO、DPO） 及 Prompt Engineering 优化。重点解决 Agentic Tool-Use 过程中的幻觉问题及座舱环境下的多轮状态跟踪（DST）难点。4、业务效果迭代：深入理解座舱交互逻辑，通过离线评测与在线 A/B Test 持续优化模型在意图识别、个性化推荐及任务执行成功率等关键指标上的表现。5、工程化与性能：配合工程团队进行模型量化、蒸馏及推理加速（如使用 vLLM 或其他高效框架），确保算法在车载端侧或云端的高效部署与低延迟响应。 职位要求 1、专业背景：本科及以上学历，计算机、自动化、数理统计等相关专业，数理基础扎实，对强化学习在对话系统中的应用有浓厚兴趣。2、技术储备：（1）熟练掌握 LLM 常用范式：ReAct、Function Calling、TIR（Thought-Intermediate-Result） 等。（2）熟悉主流强化学习算法原理：如 PPO、GRPO、DAPO，对解决