信息智能体算法实习生

RAG系统全流程研发与优化：参与企业级RAG检索增强生成系统的架构设计与迭代，完成文档解析、清洗、分块、向量化、索引构建、混合检索、重排序、上下文压缩等全链路开发；

模型微调与适配优化：基于开源大模型进行领域微调、参与大模型的指令微调（SFT）、偏好对齐（RLHF） 等优化工作，提升模型在垂直场景中的表现；

自动化评判与指标设计： 研究并落地 Agent-as-Judge、规则评判、代码沙箱等多元评估方法，建立覆盖任务成功率、执行效率、鲁棒性、安全性等维度的指标体系及统计显著性分析能力；

业务场景落地与问题攻坚：持续收集用户反馈，定位生成效果、检索精度、对话体验等问题，迭代优化算法方案，保障AI产品体验持续升级。

具备扎实的NLP与深度学习基础，熟悉预训练模型、语义理解、文本检索、文本生成等核心技术原理；

在校有RAG、大模型微调、Agent开发、NLP相关项目/毕设/竞赛经历，了解RAG完整技术链路、Agent工具调用与任务推理逻辑；

熟练掌握Python编程，熟悉PyTorch深度学习框架，了解主流开源大模型（Qwen、GLM、LLaMA等）基础使用与微调流程；

学习能力强，对大模型落地技术有浓厚兴趣，逻辑清晰、乐于钻研，能快速跟进新技术与业务需求；

学校要求：硕士研究生及以上。