大模型算法实习生（微调 / 数据工程 / 评测方向）

1. 01

   垂类与多模态模型微调：参与核心业务场景下大语言模型（LLM）及多模态大模型（VLM）的指令微调（SFT）与能力调优，涵盖长文本处理、结构化数据分析及多模态交互等方向；

2. 02

   高质量数据集工程：负责训练数据的构建、大规模清洗、数据合成与标注规范制定，处理包括多语种文本、行业专业文档、结构化数据及图文交互指令在内的多元化语料；

3. 03

   Prompt调优与原子能力打磨：深入参与Prompt Engineering，针对复杂指令遵循、信息抽取、风格化生成、跨语种翻译及Agent任务规划拆解等核心原子能力进行反复调试与效果对齐；

4. 04

   自动化评测与Bad Case分析：搭建并维护模型自动化评测管线，负责批量运行基准测试集（Benchmark）与业务测试Case，开展模型精度、鲁棒性及泛化性评估，并对Bad Case进行归因分析以驱动数据闭环迭代；

5. 05

   模型轻量化实验辅助：配合完成面向实际落地场景的模型轻量化工作，参与知识蒸馏及模型量化（如INT8/INT4）实验，完成各尺寸模型的精度验证与效果对齐。

1. 01

   计算机、人工智能、自动化、数学、电子信息等相关专业本科及以上在读；

2. 02

   熟悉主流开源大模型（如Qwen、DeepSeek等）的训练与推理生态，熟练掌握PyTorch及至少一种主流微调或推理框架（如LLaMA-Factory、Transformers、vLLM等）；

3. 03

   对大模型数据工程（数据清洗、格式转化、质量过滤）、Prompt调试或模型评测有实际动手经验；工程执行力强，做事细致踏实，能沉下心处理大规模数据构建与繁琐的Case排查工作；

4. 04

   可尽快到岗，能够连续稳定实习4个月以上。

加分项

1. 01

   具备多模态大模型（VLM）、Agent任务规划或结构化数据理解（如TableQA、NL2SQL等）相关项目经验。

2. 02

   具备大模型量化（GPTQ / AWQ等）、知识蒸馏或轻量化模型训练实践经验。

3. 03

   熟悉主流大模型自动化评测框架（如OpenCompass、LM-Evaluation-Harness），或有构建高质量SFT合成数据管线的经验。