大模型算法实习生（安全/云服务方向）

1. 面向软件安全、云开发或云运维场景，结合团队需求梳理典型任务，例如漏洞复现与修复、云环境部署、工具调用或故障排查，形成清晰的任务描述、执行步骤与验证标准。

2. 构建可复现、可交互、可自动验证的任务运行环境，包括代码仓库、容器环境、测试用例及工具接口；定位并解决环境部署和任务执行中的问题。

3. 使用大模型及AI编程工具，参与领域代码、指令与解答、多轮工具调用和任务执行轨迹等数据的采集与生成，并通过代码执行、测试反馈及领域标准验证数据质量。

4. 开发自动化数据生成与处理脚本，完成数据清洗、去重、筛选与质量检查，提升数据的正确性、多样性和任务覆盖度。

5. 参与任务评估机制建设，设计任务成功判定、执行反馈与自动化验证方法，为模型评测及强化学习任务环境提供支持。

6. 配合团队开展模型效果评估及相关训练实验，分析模型在领域任务中的失败案例，迭代任务、环境与数据，验证模型能力的改善效果

1. 计算机、网络安全、软件工程、人工智能等相关专业本科及以上在校生，具备扎实的编程基础和动手能力。

2. 熟练使用Python，熟悉至少一门其他编程语言，能够阅读和修改项目代码，编写数据处理、环境部署与自动化测试脚本。

3. 在软件安全、云开发或云运维至少一个方向有较扎实的项目或实践经验：

4. 软件安全方向：做过代码审计、漏洞挖掘、漏洞复现、Fuzzing等相关工作。

5. 云开发／云运维方向：做过云平台开发、容器部署、自动化运维、CI/CD或故障排查等相关工作。

6. 熟练使用AI编程助手或其他大模型工具，能够辅助完成代码开发、调试、测试与问题排查，并通过代码执行或测试验证结果的正确性。

7. 熟悉Linux、Git和Docker，能够搭建运行环境、定位执行问题，并验证代码与任务的运行结果。

8. 对大模型代码能力和领域数据建设有兴趣，具备良好的学习能力、问题分析能力及团队协作能力，能够清晰记录任务与实验过程。

【加分项非强制】

1. 有代码数据合成、Agent工具调用轨迹生成、可执行评测集或交互式任务环境建设经验。

2. 有大模型训练或微调实践，了解持续预训练（CPT）、监督微调（SFT）、强化学习（RL）的基本目标，熟悉至少一种常用大模型训练框架。

3. 在软件安全方向有深入实践，如程序分析、沙箱环境建设，或有CVE、漏洞报告及相关开源项目贡献。

4. 熟悉云平台API／SDK、Kubernetes、基础设施即代码（如Terraform）等，有相关项目实践。

5. 有奖励函数设计、任务成功判定或自动化验证机制建设经验