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. 蚂蚁集团研究型实习生，深入大模型Self-Taught RLVR前沿课题，学术发表潜力强; 2. 涉及RLVR、OPD、多专家融合等核心后训练技术研究，积累大模型训练全链路经验; 3. 接触Qwen、LLaMA等主流开源大模型，与顶尖研究团队协作