百度大模型应用研发实习生（J85091）

团队介绍：字节跳动Stone-Cross Platform团队成立于2023年，致力于开发业界前沿的应用框架，构建LLM驱动的前沿系统和基础设施，提升开发者和用户体验。 课题介绍： 随着AI大模型研究的不断发展，文本生成、多模态理解以及Agent规划能力有了巨大的提升和突破，以豆包多模态交互、OpenAI Operator、Deepseek-R1推理模型为典型案例，应用的构建以及交互方式迎来了巨大的机遇和变革。我们希望结合LLM/VLM模型的多模态感知、深度思考和AI Agent等能力，深入探索大模型在AI应用构建效率和为智能交互体验上的创新。 研究方向： 本课题旨在利用大模型技术开发智能应用交互框架，研究内容包括：围绕大模型设计应用框架，利用大模型提升应用构建效率，如UI理解及代码生成等；使用大模型来理解应用的多模态Context及用户意图，进行意图规划及推理执行，完成用户交互；改进编程语言的设计，使其容易被大语言模型理解，验证，实现编程语言的自动生成，和编程语言之间的相互转译，从而加速新编程语言生态的构建；通过该课题的研究，我们希望实现更加智能、便捷和高效的应用框架，推动AI驱动的应用交互的普及与发展。 1、参与大模型在应用框架中的算法研究，探索和优化模型Post-training、AI Agent等技术； 2、研究和开发智能UI交互技术，提升界面的智能化和个性化水平； 3、设计跨平台、高性能、大模型便于理解和生成的编程语言； 4、开发和优化意图规划和推理算法，提升应用的理解和响应能力； 5、探索多模态数据融合技术，解决复杂场景下的精准推理与决策问题； 6、整理研究数据，撰写技术报告和发表研究论文。

团队介绍：字节跳动Stone-Cross Platform团队成立于2023年，致力于开发业界前沿的应用框架，构建LLM驱动的前沿系统和基础设施，提升开发者和用户体验。 课题介绍： 随着AI大模型研究的不断发展，文本生成、多模态理解以及Agent规划能力有了巨大的提升和突破，以豆包多模态交互、OpenAI Operator、Deepseek-R1推理模型为典型案例，应用的构建以及交互方式迎来了巨大的机遇和变革。我们希望结合LLM/VLM模型的多模态感知、深度思考和AI Agent等能力，深入探索大模型在AI应用构建效率和为智能交互体验上的创新。 研究方向： 本课题旨在利用大模型技术开发智能应用交互框架，研究内容包括：围绕大模型设计应用框架，利用大模型提升应用构建效率，如UI理解及代码生成等；使用大模型来理解应用的多模态context及用户意图，进行意图规划及推理执行，完成用户交互；改进编程语言的设计，使其容易被大语言模型理解，验证，实现编程语言的自动生成，和编程语言之间的相互转译，从而加速新编程语言生态的构建；通过该课题的研究，我们希望实现更加智能、便捷和高效的应用框架，推动AI驱动的应用交互的普及与发展。 1、参与大模型在应用框架中的算法研究，探索和优化模型Post-training、AI Agent等技术； 2、研究和开发智能UI交互技术，提升界面的智能化和个性化水平； 3、设计跨平台、高性能、大模型便于理解和生成的编程语言； 4、开发和优化意图规划和推理算法，提升应用的理解和响应能力； 5、探索多模态数据融合技术，解决复杂场景下的精准推理与决策问题； 6、整理研究数据，撰写技术报告和发表研究论文。

团队介绍：字节跳动Stone-Cross Platform团队成立于2023年，致力于开发业界前沿的应用框架，构建LLM驱动的前沿系统和基础设施，提升开发者和用户体验。 课题介绍： 随着AI大模型研究的不断发展，文本生成、多模态理解以及Agent规划能力有了巨大的提升和突破，以豆包多模态交互、OpenAI Operator、Deepseek-R1推理模型为典型案例，应用的构建以及交互方式迎来了巨大的机遇和变革。我们希望结合LLM/VLM模型的多模态感知、深度思考和AI Agent等能力，深入探索大模型在AI应用构建效率和为智能交互体验上的创新。 研究方向： 本课题旨在利用大模型技术开发智能应用交互框架，研究内容包括：围绕大模型设计应用框架，利用大模型提升应用构建效率，如UI理解及代码生成等；使用大模型来理解应用的多模态context及用户意图，进行意图规划及推理执行，完成用户交互；改进编程语言的设计，使其容易被大语言模型理解，验证，实现编程语言的自动生成，和编程语言之间的相互转译，从而加速新编程语言生态的构建；通过该课题的研究，我们希望实现更加智能、便捷和高效的应用框架，推动AI驱动的应用交互的普及与发展。 1、参与大模型在应用框架中的算法研究，探索和优化模型Post-training、AI Agent等技术； 2、研究和开发智能UI交互技术，提升界面的智能化和个性化水平； 3、设计跨平台、高性能、大模型便于理解和生成的编程语言； 4、开发和优化意图规划和推理算法，提升应用的理解和响应能力； 5、探索多模态数据融合技术，解决复杂场景下的精准推理与决策问题； 6、整理研究数据，撰写技术报告和发表研究论文。

团队介绍：字节跳动Stone-Cross Platform团队成立于2023年，致力于开发业界前沿的应用框架，构建LLM驱动的前沿系统和基础设施，提升开发者和用户体验。 课题介绍： 随着AI大模型研究的不断发展，文本生成、多模态理解以及Agent规划能力有了巨大的提升和突破，以豆包多模态交互、OpenAI Operator、Deepseek-R1推理模型为典型案例，应用的构建以及交互方式迎来了巨大的机遇和变革。我们希望结合LLM/VLM模型的多模态感知、深度思考和AI Agent等能力，深入探索大模型在AI应用构建效率和为智能交互体验上的创新。 研究方向： 本课题旨在利用大模型技术开发智能应用交互框架，研究内容包括：围绕大模型设计应用框架，利用大模型提升应用构建效率，如UI理解及代码生成等；使用大模型来理解应用的多模态Context及用户意图，进行意图规划及推理执行，完成用户交互；改进编程语言的设计，使其容易被大语言模型理解，验证，实现编程语言的自动生成，和编程语言之间的相互转译，从而加速新编程语言生态的构建；通过该课题的研究，我们希望实现更加智能、便捷和高效的应用框架，推动AI驱动的应用交互的普及与发展。 1、参与大模型在应用框架中的算法研究，探索和优化模型Post-training、AI Agent等技术； 2、研究和开发智能UI交互技术，提升界面的智能化和个性化水平； 3、设计跨平台、高性能、大模型便于理解和生成的编程语言； 4、开发和优化意图规划和推理算法，提升应用的理解和响应能力； 5、探索多模态数据融合技术，解决复杂场景下的精准推理与决策问题； 6、整理研究数据，撰写技术报告和发表研究论文。