【实习】基座模型算法（生命科学方向）-智能育种研究组

负责面向生命科学领域的基座大模型研发，探索多模态（文本、结构、时序数据）融合的AI模型架构，提升模型在科学任务上的泛化能力和可解释性。

研究并优化大模型训练方法（如高效微调、分布式训练、低资源适应），提升科学计算场景下的模型性能。

聚焦科学推理、科学研究、记忆机制、多智能体等方向，优化模型在科学任务中的表现。

参与构建科学数据体系，研发大规模、多样化的单/多模态科学数据集，涵盖科学推理、竞赛、研究等领域，支撑模型持续迭代。

与科学家团队合作，将AI模型应用于真实科学问题（蛋白质、DNA、基因序列等）。

硕士及以上学历，计算机科学、计算生物等相关专业。可实习3个月及以上。

熟练使用Python等编程语言，掌握PyTorch等深度学习框架。熟悉Transformer、扩散模型、图神经网络（GNN）等架构，有LLM或多模态模型研究经验。

具备大模型或多智能体的研究或工程经验；如为自然科学专业，需具备一定的编程能力，并对AI for Science有强烈兴趣。

拥有机器学习优化算法或人工智能相关经验；或具有自然科学领域（生物、分子）的理论背景与实验能力。

在AI/CV/科学计算领域发表过顶会论文或期刊论文。 加分项：参与过AI4S相关开源项目（如DeepMind的AlphaFold、OpenCatalyst）。