CTO-大模型-评测体系建设

搭建完善的评测体系，对大模型能力的提升至关重要。在本课题中：

1. 我们希望通过引入业界SOTA Benchmark以及自建高质量benchmark，构建全面、高效、鲁棒的大模型评测体系，精准识别模型在不同任务下的优势和短板，为模型迭代提供方向；
2. 深入大模型预训练、SFT、RL等各个阶段，通过高效、高质量的评测，帮助提升大模型的泛化能力与用户体验。

1. 目前正在攻读计算机科学/人工智能等领域的学士,硕士或博士学位 (2027届及以后）；
2. 动手和编程能力优异，精通Python，深入理解算法与数据结构，熟悉LLM场景优化核心算法。 优先录用：
3. 对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色；
4. 在国际会议上或核心期刊发表一份或多份出版物或论文；
5. 获得国际级学术或竞赛奖项，如国际顶会best paper、ACM/ICPC金牌选手、Kaggle master等；
6. 具有大语言模型或者多模态大模型研究实习经验优先；
7. 至少3个月的全职工作。