研究型实习生-基于大模型的研发风险左移技术应用研究

岗位职责

研究领域： 人工智能 项目简介： · 背景：研发流程中如代码质量、Bug、安全军规等潜在风险较为难以发现，特别是从方法内部的单元测试、bug发现和修复、质量军规，进一步演进到仓库级别甚至仓库和系分文档之间的深度代码风险发现，既是业务上的痛点，也是技术上需要攻坚的难题。

· 研究内容：本项目计划围绕研发流程中如代码质量、Bug、安全军规等潜在深度风险，研究基于代码大模型技术的前置风险防范，在问题发生、影响扩大前及时发现。整个分析过程中涉及大量语义文本、代码片段，期望通过大模型结合Agent技术来理解和构建研发风险左移防线，具体包括但不限于：从单元级到仓库级再到仓库结合系分文档的全链路分级的质量测试技术、bug发现和修复技术、代码军规模式发现和扫描技术等，以及涉及其中的复杂推理技术、自动agent工作流技术等。

· 业务价值：提前发现蚂蚁源于研发流程代码内的深度风险，降低潜在风险。

· 关联战略：DeepRisk研发风险左移战役

任职要求

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

特色标签

C/C++、Golang、Java、Python、代码坏味识别、代码库分析、代码缺陷检测、代码规范模式、代码验证、全链路代码理解、功能测试、发表算法相关优秀论文、大模型算法、大语言模型、安全、安全准则、安全编码标准、安全规范、形式化推理、故障检测、数据安全、智能体、智能研发、模块测试、测试工具、深度学习模型、生成式AI、研发效能、研发流程安全前置、程序语义分析、编码规范、缺陷识别、自主代理、自动化工作流、自然语言处理算法、质量前移、软件质量保障、逻辑推断、错误定位、静态规则匹配、项目级静态分析、风险前置防控