岗位职责
研究领域： 大模型 项目简介： 项目背景： 随着大模型在代码理解、复杂推理、工具调用和多步骤任务规划方面能力持续增强，网络安全正在成为大模型落地的重要方向。面向漏洞挖掘、代码审计、威胁分析、攻防推演和安全运维的 Cyber 专用模型，有望显著提升安全研究、漏洞发现和风险处置效率。 当前，国外头部机构已开始围绕网络安全专用模型与安全智能体进行系统布局（如Mythos 与 GPT-Cyber），相关能力正从通用问答逐步走向自动化漏洞定位、受控漏洞验证、补丁建议生成和安全任务编排。相比通用大模型，Cyber 模型需要具备更强的安全知识理解能力、代码与系统分析能力、多步骤推理能力、工具调用能力以及风险约束能力。 国内在面向真实漏洞挖掘和安全智能体任务的模型训练方面仍存在明显提升空间。现有模型普遍存在安全领域知识不充分、真实攻击链路理解不足、复杂任务轨迹稀缺、工具调用不稳定、漏洞验证能力弱、评测体系不完善等问题。因此，建设可真实服务于漏洞挖掘与安全防护场景的 Cyber 模型，具有明确的战略价值和技术必要性。 项目价值描述 本项目的前沿性体现在将大模型能力与网络攻防、漏洞挖掘、智能体环境交互和安全对齐训练进行系统融合，推动 Cyber 模型从“安全知识问答”走向“真实漏洞发现与验证”。国内在该方向尚未形成广泛认可的系统化成熟方案。 一方面，需要为模型训练提供高价值任务场景、真实漏洞经验和安全能力评测依据，使模型训练目标更加贴近真实安全需求，而非停留在静态语料学习层面。 另一方面，需要建设面向 Cyber 任务的数据与轨迹采集体系，通过智能体仿真环境生成可复现、可评估、可追踪的高质量交互轨迹，覆盖漏洞发现、攻击面分析、工具调用、验证推理、补丁修复等关键链路，解决真实高质量安全训练数据稀缺的问题。
职位要求
- 计算机、人工智能、网络安全、软件工程等相关专业硕士或博士在读；
- 熟悉大模型相关的算法和技术，有大模型后训练、强化学习等领域研究经验或开源项目经验优先；
- 在以下方向中至少有一项研究或实践经验：LLM 后训练与数据工程；LLM4SE、LLM4Security 相关研究
- 在人工智能、网络安全、软件工程等相关领域有出色的科研经历，有高水平文章发表或相关领域竞赛获奖者优先。
- 良好的英文文献阅读与论文写作能力，实习时长 6 个月及以上
