混元基座模型-垂域认知与推理研究

课题背景： 随着大语言模型通用能力不断增强，如何进一步释放其在金融、法律、医疗等重点行业中的实际应用价值，已成为基础模型演进的重要方向。行业场景不仅要求模型具备扎实的专业知识，还要求其能够理解行业规则、完成复杂推理，并在具体业务流程中稳定发挥作用。无论是金融投顾、法律分析，还是医疗辅助问答，模型都需要在高专业度、高可靠性、强约束的环境下完成任务。然而，当前通用模型在行业知识深度、专业推理稳定性以及场景化任务执行能力上仍存在明显短板，难以直接满足真实业务需求。因此，如何围绕具体行业构建面向场景的能力体系，系统提升 foundation model 的行业应用潜力，已成为亟待突破的关键研究方向。 课题挑战：

1. 01

   行业知识体系复杂且更新快，模型在专业术语、规则标准、案例经验等方面仍存在理解不深、覆盖不足、时效性不够的问题，如何构建高质量行业数据与知识增强体系是核心挑战。

2. 02

   行业任务往往具有强约束、多步骤、重依据的特点，模型需要完成严谨的专业推理，并在真实业务流程中具备稳定的场景化任务执行能力，这对训练方式、评测标准和能力构建提出了更高要求。 具体工作： 你将参与到大模型领域应用能力的前沿研究中，围绕金融、法律、医疗等重点行业，开展行业知识增强、专业推理优化、场景化任务能力构建及评测体系设计等工作。你将推动 foundation model 从通用理解走向深度行业应用，让 AI 真正具备服务复杂产业场景的专业能力与落地价值。

学历和专业要求： 自然语言处理/机器学习/模式识别/人工智能/计算机等相关专业硕士以上学历； 技术技能要求：

1. 01

   在NLP、LLM、深度学习、强化学习方面有一定研究基础，熟悉主流模型和算法，并有一定的实践经验；

2. 02

   较强的工程实现能力，熟练掌握C/C++，Python等至少一种语言，有实际编程项目经验，熟悉DeepSpeed、Megatron等分布式训练框架，熟练使用至少一种深度学习框架(如TensorFlow，PyTorch等)；

3. 03

   有高质量论文发表者优先（如ACL、EMNLP、NeurIPS、ICML、ICLR等)； 软性素质要求： 具备强烈的进取心、自驱力及团队合作精神，热衷于追求技术创新。 此课题同时招聘应届实习生和低年级实习生。