日常实习生-大模型算法（多语言方向）-Qwen基础模型

全球超 60% 人口的母语并非中文和英文，多语言能力是 Qwen 建立学术影响力、开源生态与企业客户口碑的核心引擎，也是技术出海的基础设施。多语言大模型方向将参与从数据、评测到后训练与应用落地的全链路研究与工程实践，方向覆盖多语言文本、音视频多模态与Agent。具体工作包括：

1. 多语言数据构建与筛选：从真实日志、网页、PDF、音视频等多源出发，建设多维打标体系，开展配比与降采样消融实验，量化数据边际收益并推动结论进入训练配方。
2. 评测体系建设：构建覆盖能力、安全、价值观、复杂任务的多语言 Benchmark，包含原发多语言测试集设计、LLM-Judge 与人工评估一致性校准、竞品横评与水位看板维护等。
3. 后训练与强化学习：围绕多语言能力，开展 SFT/RL 数据构建、奖励函数设计与实现，诊断 reward hack、奖励稀疏与语言坍缩等问题，并做训练行为归因。
4. 多语言多模态对齐：研发视觉/语音等模态与多语言的深度融合算法；攻克跨模态表征对齐、多语言指令跟随与多模态生成、低资源等技术难题；构建全模态理解与交互能力。
5. 面向生产力的多语言应用：探索模型在AI智能体、多语言交互、垂直行业等场景的应用，如同传、实时多模态交互、多语言Cowork能力迭代等。

1. 计算机、人工智能、数学、统计学、语言学等相关专业本科及以上在读，可实习6个月以上。
2. 熟练使用 PyTorch，具备扎实的工程实现能力，能独立完成数据处理、实验与评测脚本（有大规模分布式训练或数据管线经验者优先）。
3. 有大语言模型、多模态、机器翻译等相关领域的研究/项目经验（顶会论文、开源项目、竞赛获奖或知名实习经历者优先）。
4. 具备严谨的实验设计与归因意识，主动同步进展与风险。沟通协作良好，能与算法、工程、产品及语言专家跨团队推进。