日常实习生-大模型后训练(Reasoning & STEM)-Qwen基础模型

1. 推理难题与数据构建：聚焦数学、物理、化学、生物等 STEM 学科，攻克前沿科研级的推理难题。针对模型薄弱环节，自主设计数据合成与反向构造管线，构建覆盖严密证明、多步计算与代码实现的高质量数据集。

2. 开放式推理与工具协同：针对演绎证明、建模近似、方案设计与多解法等无单一标准答案的开放式问题，建立科学的评分准则与验证体系。同时，训练模型按需调用代码沙盒与计算工具，并将推理能力泛化迁移至办公、搜索等多轮交互场景，解决长程任务的上下文管理与跨 Harness 的能力一致性问题。

3. 全链路训练与验证：从 Mid-training、SFT、RL 的全局视角出发，探索推理能力的全链路增强。优化跨阶段数据配比，解决推理格式对齐与强化探索之间的协同问题；通过研发高精度 Verifier 与奖励模型，攻克长链路推理中的“过程监督”与“结果等价性判定”难题。

1. 具备扎实的数理功底与敏锐的数据直觉，对大模型推理能力的演进路线有深刻理解；熟练掌握常见的数据构造策略与 RL 算法，具备从算法设计、代码实现到模型落地的完整经验。

2. 对基础模型的前沿问题抱有持续热情，具备独立思考能力与系统性研究思维，敢于挑战现有范式；能够独立运用技术解决复杂问题，主导或深度参与过有影响力项目者优先。

3. 拥有高水平理工科竞赛背景（如数学/物理奥赛、ACM/ICPC 等），或深度参与过知名开源/闭源推理模型研发、高难度科学 Benchmark 构建者优先。