岗位职责

将大模型应用于真实工程场景，包括但不限于芯片设计 EDA、工业设计 CAD、金融工程、工业自动化、kernel 调优等复杂工程问题，训练模型在生产环境中的自进化能力，通过持续学习不断发掘更优算法与设计方案。
研究基于 self-evolving、long-horizon、multi-agent 等范式的能力增强方法，提升 Qwen 模型在工程优化领域的表现——包括长期规划、任务分解、多步执行与自主反馈优化能力。
构建面向工程任务的 Agent 系统与评测基准，整合领域专用工具与知识库，评估并提升模型在工具调用、方案生成、结果验证等任务上的表现。
与工程领域专家团队紧密协作，推动研究成果在真实科研或工业生产场景中的验证与落地。
跟进 AI for Engineering 及相关方向的前沿进展，围绕关键问题开展算法创新、实验分析与技术沉淀。

职位要求

计算机、人工智能、自动化、电子工程等相关专业本科及以上学历。
具备扎实的机器学习与深度学习基础，熟悉大模型训练、微调或推理优化相关技术。
满足以下条件之一者优先：（1）在 EDA、CAD、金融工程、工业自动化、性能优化等工程领域有较深积累，能准确把握领域内的核心问题与前沿方向；已在实际工业场景中深度使用大模型，能从工程问题出发完成方法设计、方案落地与效果迭代；有 Agent 系统构建、工具调用、多步推理、强化学习等方向的研究或工程经验。（2）极强的求知欲与学习能力，对新技术保有好奇心；逻辑清晰，善于独立思考，具备良好的沟通与团队协作能力。（3）熟悉 Python，具备较强的工程实现能力；有高水平论文、开源项目、竞赛成绩或实际落地成果者优先。