日常实习生-Cowork Agent-Qwen基础模型

参与面向行业专家场景的高价值 Cowork Agent 构建与落地实践，协助推动大模型在 Agent 环境中完成真实世界复杂任务，持续提升模型在高价值业务场景中的表现，拓展大模型的实际能力边界。

1. Envs/Harness Building & Generalization：参与主流 Agent harness 环境的复现、维护与优化，提升模型在不同 harness 场景下的泛化能力；配合探索多 Agent、自动化环境构建与循环执行等方案，并与算法和数据链路协同优化效果。
2. Data Design & Scaling：参与金融、量化、法律、医疗、设计、数据分析、工业、工程等场景下高价值任务数据的挖掘与构建；配合探索面向用户需求的数据模式演化、长程任务数据流水线设计，以及 CPT/SFT/RL 的协同优化。
3. Agentic Rewarding System：参与面向真实 Agent 任务的通用验证与奖励机制设计，协助实现结果级与过程级监督信号、自动化评分与反馈系统。
4. Real World RL：参与基于真实环境和真实任务的 Agent 强化学习实验，探索多步奖励设计、行为学习与端到端训练策略。

1. 计算机科学、人工智能、机器学习、深度学习、软件工程或相关专业在读硕士/博士，具备扎实的数理基础和编程基础。
2. 对大语言模型或多模态大模型有浓厚兴趣，了解深度学习、模型训练、优化算法、生成式模型、自监督学习等方向中的一个或多个；具备相关课程、项目或科研经历者优先。
3. 具备较强的学习能力和研究潜力，能够快速理解并复现前沿论文、跟踪技术进展；有论文、开源项目、竞赛或高质量技术实践经历者优先。
4. 具备良好的代码能力，熟悉 Python 及主流深度学习框架（如 PyTorch / TensorFlow）；有 ACM/ICPC、Topcoder 等编程竞赛经历者优先。
5. 具备主动思考和探索精神，对 AI 前沿技术保持好奇心，愿意深入钻研并持续提升自己的技术能力。
6. 具备良好的团队协作和沟通能力，能够与工程、产品等团队配合完成任务。