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研究团队，前沿大模型后训练课题，研究成果有发表潜力; 2. 涉及RLVR、OPD、多专家融合等核心技术栈，深入强化学习与大模型微调领域; 3. 实习弹性（每周至少4天），可深入参与分布式训练实践（veRL/DeepSpeed）