研究型实习生-面向LLM自演化的Self-Taught RLVR框架研究：自蒸馏、近未来策略优化与协同策略蒸馏

1. 蚂蚁集团核心AI研究项目，参与大模型后训练前沿研究； 2. 项目具有明确学术前沿性和论文发表潜力； 3. 接触RLVR、OPD、多专家融合等核心后训练技术