The posting
我们正在寻找对大模型数据、技术、智能系统和复杂专业场景应用感兴趣的硕士、博士生，参与大模型的数据算法研究与系统落地，聚焦金融工作能力提升。你将有机会围绕模型训练、推理增强、Agent 工作流和能力评测等方向开展研究，探索大模型在真实业务与专业任务中的应用边界。
我们鼓励将实习期间的研究积累沉淀为高质量成果，包括论文、开源项目、技术报告或可复用的模型与工具，推动大模型技术在专业场景中的应用。
- 面向真实场景设计数据构建、合成、清洗与质量评估方案，建设高质量训练和评测数据集。
- 参与模型能力评测体系建设，设计具有挑战性的任务、参考答案和评价标准，识别模型能力边界。
- 参与大模型的训练、微调、对齐与推理优化，提升模型在专业任务中的理解、分析和生成能力。
- 探索工具调用、Agent 工作流等技术在复杂任务中的应用。
- 研究模型在事实性、推理能力、稳定性、可靠性和长文本处理等方面的表现，并进行系统分析。
- 结合具体业务场景开展算法实验，包括信息抽取、文档理解、问答、报告生成、知识检索和智能分析等任务。
- 与研究、工程和业务团队协作，完成算法原型开发、实验验证和成果落地。
- 金融、经济、AI、计算机、自然语言处理、机器学习、数据科学相关交叉学科的在读硕士、博士生。
- 熟悉金融等办公领域评测基本原理与评测集现状。
- 了解大语言模型的基本原理及训练、微调、推理和评测方法。
- 具备良好的英文文献阅读、技术表达和团队协作能力。
- 能够保证 3 个月及以上每周 4-5 天的实习周期。
【加分项】 - 有金融等办公领域有大模型评测与评测集建设相关经验，有金融机构实习等相关经验。 - 有大模型、Agent、垂类模型或复杂专业场景智能应用相关的研究或开发经验。 - 有高质量开源项目，或在开源社区有实质性贡献。 - 在人工智能、机器学习、自然语言处理或相关领域发表过论文。 - 有模型训练、数据工程、评测基准建设或推理系统优化经验。 - 了解金融、经济、企业服务等专业场景，或对行业知识建模和智能分析感兴趣。 - 有较强的论文复现、快速学习和工程落地能力。
