岗位职责
我们正在招募对 AI 研究有热情的实习生，共同探索大模型架构、学习与推理机制，以及 AI 在金融、医疗领域的应用。我们期待你带着问题开展研究，从阅读论文、提出假设，到实现方法、设计实验，用扎实的结果验证想法。研究课题将结合个人兴趣与团队重点确定，可聚焦以下一个或多个方向，无需同时具备所有方向的经验。 申请方式：官网投递的同时请将简历发送至：[email protected] 邮件标题：AI Research 实习申请－姓名－学校－研究方向 欢迎附上代表性论文、项目、代码仓库或研究笔记，并简要说明：
- 感兴趣的研究方向及希望探索的问题；
- 相关经历与个人贡献；
- 最早到岗时间、每周可到岗天数及预计实习时长。 研究方向：
- 递归自我改进（Recursive Self-Improvement，RSI）研究 探索模型利用自身生成的数据、反馈与验证信号持续改进的机制，包括自我评估、自我纠错、数据生成与筛选、迭代训练等。设计可复现的实验与评测方法，检验改进能否持续、能否泛化，以及何时出现收益递减或能力退化。
- AI 在金融、医疗领域的应用研究 结合真实场景中的研究问题，探索大模型在专业知识推理、文献与数据分析、复杂任务执行及决策辅助等方面的能力。研究如何结合领域知识、检索与外部工具，提升模型的准确性、可靠性与结果可追溯性。
- 实验验证与研究成果沉淀 参与研究方案设计、模型训练与评测，完成基线复现、对照实验、消融分析和错误归因。根据课题需要构建数据集或 Benchmark，将实验结果整理为研究报告、技术文档，并参与论文撰写或开源成果建设。
职位要求
- 计算机、人工智能、数学、统计学、电子信息或其他相关专业在读，对 AI 研究有持续兴趣；
- 熟悉深度学习与 Transformer 基础，能够阅读英文论文，并将研究方法转化为可运行的代码；
- 熟练使用 Python，熟悉 PyTorch 等深度学习框架，具备良好的代码实现、调试与实验分析能力；
- 在模型架构、语言模型训练与推理、强化学习、模型评测或领域应用中，至少有一个方向的学习或项目积累；
- 能够清晰提出问题、设计验证方法，并客观分析正面与负面实验结果；具备主动沟通和团队协作能力；
- 可在上海实习，原则上连续实习不少于 6 个月，每周至少到岗 3 天。 加分项：
- 有自训练、自我纠错、合成数据、验证器或模型自我改进相关研究经验；
- 有大模型预训练、后训练、强化学习或分布式训练经验；
- 有金融或医疗领域的研究、数据处理或 AI 项目经验；
- 有数据集或评测基准建设经验，能够针对具体任务设计合理的评估方法；
- 有 NeurIPS、ICML、ICLR、ACL、EMNLP 等会议论文，或有代表性的开源项目成果。
