MiMo算法研究员-后训练

Job description

我们是小米MiMo团队的 Post-train 组，专注模型对齐、可扩展强化学习、AI Agent 等前沿方向，致力于产出世界级研究成果与模型。 我们拥有充足算力与真实应用场景，汇聚了一批对 AGI 怀有长期信念、追求技术深度的研究者与工程师。在开放、专注的氛围中，我们鼓励从第一性原理出发，共同探索通往更高级人工智能的路径。 主要研究方向

• AI 智能体 (AI Agent)

Agent 基础能力

• 研发大规模、高质量的 Agent 数据合成管线，提升模型在 Code、Search 及 General Tool Use 使用等场景下的能力。

高级 Agent 系统

• 探索多智能体协作、长时记忆系统及交互环境的构建，提升模型解决复杂任务能力。
• 大语言模型推理 (LLM Reasoning)

强化学习与推理

• 探索高效、稳定的强化学习算法。

推理能力提升

• 增强模型在数学、代码与逻辑等复杂任务中的推理能力，提升模型的智能上限。
• 可扩展对齐 (Scalable Alignment)

模型对齐与 RLHF

• 持续提升模型的指令遵循度、有用性与诚实性。

AI 安全与价值观

• 为大模型构建可靠、可信的行为准则，提升 AI 安全性。

Qualifications

我们对你的期待

• 拥有大语言模型 Post-train（如 SFT, RLHF, RLVR, Agent）相关的研究或项目实践经验。
• 具备扎实的 Data Sense 和 Evaluation Sense，能够以问题为导向，通过严谨的实验设计和数据分析驱动模型迭代。
• 具备出色的编程与工程能力，熟练掌握 PyTorch 等深度学习框架，并对 Verl、Megatron 等分布式训练方法有深入理解；熟悉 SGLang、vLLM 等高性能推理引擎。 加分项
• 作为主要贡献者主导或参与过有影响力的开源项目。
• 在 NeurIPS、ICML、ICLR、ACL、EMNLP 等人工智能顶级会议或学术期刊上发表过高质量论文。
• 在 IMO/CMO、IOI/NOI、ACM-ICPC 等国内外知名竞赛中取得过优异成绩。