Stage - Self-distillation on-policy pour des modèles de langage spécialisés en télécommunications F/H
Orange - CHÂTILLON,FRANCE
Posted Nov 19, 2026
Benefits
- Parental leave
- Not verified
- Non-birth-parent leave
- Not verified
- Family-building benefits
-
- Fertility benefits: Not verified
- Adoption assistance: Not verified
- Surrogacy assistance: Not verified
- Mental health support
- Not verified
- Relocation assistance
- Not verified
- Childcare support
- Not verified
- Learning budget
- Not verified
- Verification
- Not verified
- Salary
- Not verified
Was this benefit information wrong? Tell us.
Role
- Seniority
- Mid From the posting source
Schedule
- Shift type
- Not verified
- Weekend work
- Not verified
Application
- Cover letter
- Not verified
- Assessment
- Not verified
- Deadline
- Not stated
Where they hire
State eligibility is not yet verified.
About this role
Stage - Self-distillation on-policy pour des modèles de langage spécialisés en télécommunications F/H CHÂTILLON,FRANCE Publication date : Nov 05, 2026, 10:02AM Contract duration : 6 months Et si votre stage de fin d'études contribuait à bâtir l'un des premiers modèles de langage dédiés aux télécoms en Europe ? Les grands modèles de langage savent beaucoup de choses, mais pas toujours le jargon des réseaux télécoms. Le sujet : comment spécialiser un modèle sur ce domaine, sans qu'il perde en fiabilité ? Peut-il toujours s'appuyer sur les documents fournis, dire « je ne sais pas » quand il le faut, et rester solide sur des documents jamais vus ? Pour y répondre, vous étudierez la self-distillation on-policy, une technique où le modèle apprend à partir de ses propres productions, avec un professeur figé ou co-évolutif. Vous explorerez une question ouverte, dont la réponse reste à trouver. Les axes de travail envisagés : Reproduire un résultat publié avec son code officiel, pour valider votre chaîne expérimentale Construire un jeu d'évaluation télécom traçable : partitions par document, décontamination vis-à-vis des benchmarks publics, cas où le contexte ne suffit pas à répondre Comparer la self-distillation à deux méthodes de référence, un fine-tuning supervisé et un apprentissage par renforcement de type GRPO, à modèle initial identique et à budget de calcul documenté Étudier deux formes d'information privilégiée : la réponse de référence et le passage documentaire Évaluer les approches : exactitude, ancrage documentaire, abstention appropriée, robustesse, coût de calcul, avec des intervalles de confiance Ces
Read the full description at orange.jobs. FewerJobs shows a preview and links to the original posting.
Apply link verified; last checked Nov 20, 2026.
What verified means
Verified means a displayed claim has field-level provenance to a source FewerJobs pulled: a government or employer source, or the original job posting. Posting-sourced facts are employer-stated and are labeled separately from government records.
Related jobs
STAGE « Modèles et algorithmes pour l'optimisation des stocks de mobiles en boutiques » F/H
Orange - CHÂTILLON,FRANCE
STAGE - Évaluation des grands modèles de langage pour les systèmes critiques via l’analyse sémantique des graphes (F/H)
Thales - Palaiseau, Essonne, France
STAGE - Amélioration d'heuristiques d’optimisation LLVM par apprentissage automatique - F/H
STMicroelectronics - Grenoble, France
Stage Concepteur de contenu pédagogique F/H
Nestle - Paris, FR, 75015