岗位职责
研究领域： 网络空间安全 项目简介： 软件安全正在经历从“传统静态分析”向“AI 驱动的代码安全”的范式转变，然而在这一进程中，行业面临着两个关键的底层技术瓶颈： （1）缺乏工业级、多语言的代码安全评测“尺子”（Benchmark） 当前学术界和工业界现有的代码安全评测集，大多局限于简单的单文件、单语言或玩具代码，无法真实反映工业界复杂的软件工程现状（如跨文件调用、主流业务框架、动态反射等）。这导致团队在引入 AI 进行代码审计、安全生成和漏洞修复时，无法科学、量化地评估不同模型的真实安全能力，处于“开盲盒”状态。 （2）大模型的大规模工业化落地面临“性能与成本”双重制约。使用超大规模通用大模型进行全量代码审计，虽然效果上限较高，但其高昂的 Token 成本和极高的推理时延，使得在企业级 CI/CD 扫描、大规模代码库审计等高频场景下无法实现大范围、常态化落地。行业迫切需要探索“小而美”的垂类安全模型，在特定高频安全场景下替代大模型。 基于上述背景，引入研究型实习生，参与AI代码安全能力评测 & 安全小模型后训练2个子领域的研究，依托团队的开放式统一多语言静态程序分析（YASA）底座，将“确定性程序事实”与“生成式 AI”深度结合，攻克 AI 代码安全领域的评测标准缺失与高成本落地难题。
职位要求
研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -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 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作
