混元基座模型——多模态Agent评测研究

课题背景： 随着模型多模态能力的快速进步，多模态Agent评测受到越来越多的挑战。随着AI下半场的到来，前沿的评测也成为迫切的需求，不仅可以客观反映模型的能力，而且能为Agent未来的迭代指出方向。 课题挑战： 如何高效可靠地建立多模态Agent评测环境是一个开放性问题，特别是随着模型能力的提升，复杂环境的构建越来越重要同时越来越困难。 具体工作： 本课题关注于前沿多模态Agent评测方向的探索、评测环境的构建与数据的可靠合成。

1. 01

   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；

2. 02

   在NLP、LLM领域有深入实践，对生成式AI、复杂推理或特定垂域（如代码生成、数学定理证明等）有丰富的数据构建与模型调优经验；

3. 03

   较强的工程实现能力，熟练掌握Python、C/C++等至少一种语言，熟悉指令演化（如Self-Instruct等）及合成数据Pipeline架构；

4. 04

   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PyTorch等)；

5. 05

   有高质量论文发表者优先（如ACL、EMNLP、NeurIPS、ICML、ICLR等），特别是在数据合成、模型微调或特定垂域能力突破方向；

6. 06

   具备强烈的进取心、自驱力及跨领域学习能力，团队合作精神极佳，对实现AGI核心能力跃迁充满热情。