日常实习生-Pre-training/Mid-training 评测算法-Qwen基础模型

1. 01

   评测数据挖掘

2. 01

   针对预训练（含mid-training，下同）模型在coding，cowork，长尾知识，长文本能力等方面的弱点，设计并构建具有可扩展性的自动化评测方案及高质量数据集。

3. 02

   评测数据治理 （1）整合高质量公开评测集和私有评测集。为不同训练阶段、不同领域、不同优化目标（模型结构/数据配比/主线模型迭代）定制评测方案，挑选质量最高、领域最合适、区分度最好的评测数据与指标。

4. 03

   评测基建完善 （1）与工程团队合作提高评测系统的效率与稳定性，完善评测故障分析与检测，并推动文本评测与Agent评测的自动化与可视化。

5. 04

   预训练-后训练评测一致性探索

6. 01

   设计Pretrain + LightSFT的数据配比和训练策略并搭建相关pipeline，实时检测预训练模型的agentic潜力。

7. 02

   设计面向后训练agent能力导向的预训练评测范式，挖掘高预测性的external metrics以及internal indicators，寻找上限更高、潜力更强的预训练基座。

1. 01

   计算机、人工智能、数学等相关专业本科及以上在读，可实习六个月及以上。

2. 02

   优秀的数据sense，扎实的算法基础和 (vibe-) coding动手能力。

3. 03

   具备对基础模型与Agent研发的热情，认同评测对模型优化的巨大价值。

4.

加分项

1. 01

   有基础模型团队实习经历；

2. 02

   LLM评测/Benchmark构建/数据合成经验；

3. 03

   相关顶会论文。