即刻App年轻人的同好社区
下载
招募顶尖实习生，诚邀大家推荐小天才！！
小红书 Hi Lab 基座大模型团队 现面向 2025届及以后毕业的硕士、博士，招聘 强化学习 (RL) 方向实习生。
核心信息：
薪资： 硕士 2000元/天，博士 3500元/天。
课题方向： 面向复杂场景的大规模强化学习系统。
团队背景： 团队致力于大模型研发，近期开源项目为 DOT.LLM1。
你将深度加入以下方向之一：
1. Reasoning RL
2.Code Agent RL / Agent RL
3.Scalable Oversight (可扩展监督)
4.人文情怀世界奖励模型构建
5.Pretrain 与 RL 的深度融合
我们希望你：
1.对强化学习有扎实基础和浓厚兴趣；
2.具备优秀的动手实践和解决问题能力；
3.有钻研精神，渴望探索大模型与 RL 结合的前沿领域。
加入我们，你将：
1.获得极具竞争力的实习报酬；
2.深度参与开源大模型及下一代模型的研发；
3.在核心方向上独立负责，积累宝贵的研究与工程经验。
欢迎感兴趣的同学投递简历！邮箱：fdujyq@gmail.com
小红书 Hi Lab 基座大模型团队 现面向 2025届及以后毕业的硕士、博士，招聘 强化学习 (RL) 方向实习生。
核心信息：
薪资： 硕士 2000元/天，博士 3500元/天。
课题方向： 面向复杂场景的大规模强化学习系统。
团队背景： 团队致力于大模型研发，近期开源项目为 DOT.LLM1。
你将深度加入以下方向之一：
1. Reasoning RL
2.Code Agent RL / Agent RL
3.Scalable Oversight (可扩展监督)
4.人文情怀世界奖励模型构建
5.Pretrain 与 RL 的深度融合
我们希望你：
1.对强化学习有扎实基础和浓厚兴趣；
2.具备优秀的动手实践和解决问题能力；
3.有钻研精神，渴望探索大模型与 RL 结合的前沿领域。
加入我们，你将：
1.获得极具竞争力的实习报酬；
2.深度参与开源大模型及下一代模型的研发；
3.在核心方向上独立负责，积累宝贵的研究与工程经验。
欢迎感兴趣的同学投递简历！邮箱：fdujyq@gmail.com
6 08
现在的大模型招聘风向导向了（只）招聘毕业3年内的人，各家出的顶尖实习生计划更是吓死人。了解到更夸张的，甚至大学生都看不上，要去招高中生。
理由是，年纪越大，“强化学习的程度太重了”。
我品味了一番。
是吧，年纪越大，思路的“熵”坍塌了，没有探索空间了，而新生代，可能采样效率效率更高（年纪轻可以使劲卷），探索利用的空间更大！
可是仔细想想，真的是这样吗？
如果非要把人做类LLM的比喻，那年纪越大，也可以说预训练学习的token更多，参数量越大，也是更有可能有“涌现”的产生呐！
但也可能大部分情况下，随着年龄的增长，garbage in garbage out，没有scaling law了，又或者是单纯地，硬件跟不上了。
一声叹息😮💨
理由是，年纪越大，“强化学习的程度太重了”。
我品味了一番。
是吧，年纪越大，思路的“熵”坍塌了，没有探索空间了，而新生代，可能采样效率效率更高（年纪轻可以使劲卷），探索利用的空间更大！
可是仔细想想，真的是这样吗？
如果非要把人做类LLM的比喻，那年纪越大，也可以说预训练学习的token更多，参数量越大，也是更有可能有“涌现”的产生呐！
但也可能大部分情况下，随着年龄的增长，garbage in garbage out，没有scaling law了，又或者是单纯地，硬件跟不上了。
一声叹息😮💨
3 00
今天是各地高考日，我们的模型也终于交卷了！
24的下半年，我在点点上进行了半年的摸索，虽然点点不够好，但是它偶尔的灵光，还是令人喜爱的。
25年，受到了r1的冲击，我意识到，围绕着产品做智能，是多么错误的一件事。我果断回到基座团队做自研模型的通用alignment，虽然此时就只有两人。
我坚定地要围绕智能做产品。
理论上，这是一个团队的活，但是小红书就是一个很“神奇”的地方🥹，硬是两个正式员工加一两个实习生，把这个活儿干了，而且看上去还尚可。
虽然大部分人不会直接使用instruct模型，但是技术报告证明了，大模型时代我来过，我花过的卡，排错的实验，白熬的夜，那么多的徒劳，也许终于有了注脚。
模型体验上，均衡取舍下，还是有所牺牲。但至少这是一个好的开始。
只要在行动，一切皆有可能！
24的下半年，我在点点上进行了半年的摸索，虽然点点不够好，但是它偶尔的灵光，还是令人喜爱的。
25年，受到了r1的冲击，我意识到，围绕着产品做智能，是多么错误的一件事。我果断回到基座团队做自研模型的通用alignment，虽然此时就只有两人。
我坚定地要围绕智能做产品。
理论上，这是一个团队的活，但是小红书就是一个很“神奇”的地方🥹，硬是两个正式员工加一两个实习生，把这个活儿干了，而且看上去还尚可。
虽然大部分人不会直接使用instruct模型，但是技术报告证明了，大模型时代我来过，我花过的卡，排错的实验，白熬的夜，那么多的徒劳，也许终于有了注脚。
模型体验上，均衡取舍下，还是有所牺牲。但至少这是一个好的开始。
只要在行动，一切皆有可能！
微信文章
6 10
非常有趣！当混沌系统渐为可控，我相信一定会对应用产生更大的价值！
Golden Gate Claude
0 11
