模型后训练Webdev-3D/Games Intern

1. 面向 Web、3D 与游戏开发场景，探索 Coding Agent 的能力边界，提升模型在复杂代码生成、调试、多文件工程及长程任务中的表现。
2. 参与 Agent 后训练的完整实验闭环，包括任务与数据设计、SFT / RL 训练策略、能力评测及迭代优化，分析不同方案对模型能力的实际影响。
3. 围绕 Blender、CAD、游戏引擎和浏览器等环境，构建可执行、可验证的任务与反馈机制，探索代码正确性、视觉效果和交互行为的自动评测。
4. 设计并优化 Agent Harness，研究工具接口、Skills 编排、上下文管理与多轮交互机制，提升 Agent 的任务成功率和执行效率。
5. 从模型失败案例中挖掘有价值的训练信号，探索合成数据、难例构造与质量筛选方法，并将前沿研究转化为可复现的实验和能力改进

1. 本科及以上在读，预计 2028 年或以后毕业，计算机及相关专业优先。
2. 具备扎实的编程能力，能够独立完成项目开发、调试与问题定位；熟悉 Python，并掌握至少一种其他常用编程语言。
3. 熟悉深度学习基本原理，对大模型后训练、Coding Agent 或计算机图形学有浓厚兴趣，愿意通过实验验证想法。
4. 有使用或开发 Coding Agent 的实践经验，理解工具调用、上下文管理和多轮交互机制；能够分析 Agent 失败原因并提出改进方案。

加分项（具备其中一项或多项即可）

1. 有计算机图形学、几何处理、渲染、动画或 3D 生成相关研究经验；在 SIGGRAPH / SIGGRAPH Asia、ACM TOG 等重要会议或期刊发表过相关论文。
2. 熟悉 Blender 等 DCC 工具或 CAD 工具，有脚本开发、插件开发、程序化建模或工作流自动化经验。
3. 熟悉 Unity、Unreal Engine、Godot 等任一游戏引擎，或有 Three.js、WebGL / WebGPU、Shader 开发经验，完成过可展示的 3D 交互项目或游戏作品。
4. 有大模型 SFT / RL、奖励设计、Agent 评测或训练数据构建经验。
5. 有高质量开源贡献、独立开发作品，或 ACM-ICPC / OI 等算法竞赛获奖经历。

实习要求

1. 工作地点：北京，需现场实习，暂不支持远程。
2. 每周至少 4 天，连续实习 6 个月及以上；可全勤、尽快到岗者优先。

欢迎在简历中附上代表性项目、GitHub、论文或作品演示，并说明你在其中解决的关键问题