CTO-大模型-评测体系建设

岗位职责

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。

任职要求

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：

1. 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；
2. 在国际会议上或核心期刊发表一份或多份出版物或论文；
3. 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；
4. 具有大语言模型或者多模态大模型研究实习经验优先；
5. 至少3个月的全职工作。

特色标签

distributed-training、parallel-computing、Python、Python开发、Python编程、SOTA Benchmark、云计算、分布式训练、参加算法相关竞赛/获奖、发表算法相关优秀论文、基准数据集、基准测试、基准测试体系、增强学习、多模态大模型、多模态算法、大模型算法、大规模语言模型、大规模预训练模型、大语言模型、对话系统、强化学习、教育、文本生成、智能体、有监督微调、模型泛化性能、模型评估体系、模型迁移能力、深度学习、监督微调、算法工程化经验、聊天机器人、自然语言处理算法、英美留学生、评估框架、语义理解