理想汽车大模型算法实习生

参与前沿大模型算法的研发与落地应用，方向包括但不限于：智能 Agent、Deep Research、多模态大模型、检索增强生成 (RAG) 等； 紧跟领域最新技术动态，探索创新算法方法，并积极推动科研成果的产出； 参与技术方案讨论、算法设计与实现、模型训练与优化等研发工作，保证项目进度和研发质量； 持续学习和掌握最新的大模型相关技术，并应用于实际产品和项目中，解决实际问题。

工作职责： 1. 真实业界数据的处理分析：定性分析、定量评估数据质量、对数据采集和处理方案不断优化改进； 2. 模型开发：参与Qwen、Llama等开源LLM的训练微调、量化和部署实践，追踪业内前沿，达到领先的性能指标； 3. 结合小红书丰富的工业场景，根据实际业务需求进行技术落地和创新。

1、探索下一代AI搜索范式，从底层模型架构和训练方式角度出发，研发AI搜索大模型，在推理速度，幻觉，回答准确性等方向进行突破； 2、探索新一代大语言模型基座架构，以高效推理模式为核心优化目标，探索全新模型结构和scaling law。 3、在工作中能快速成长，积极探索前沿技术，解决好业务中遇到的实际问题，完成数据处理、建模和工程上线，对AI技术始终保持热爱，实习期间可发表论文。

团队介绍：负责大语言模型技术在快手智能研发场景的研究和应用，负责代码生成大模型的性能优化和定制化改进，以提升公司整体研发效率为目标，推动大模型技术在代码理解、代码自动生成、代码审核等研发流程中的落地应用。主要工作方向包括: 1、为公司研发团队提供基于更高性能代码生成大模型的编码辅助工具； 2、探索推理加速、超长上下文能力等大模型优化方法； 3、数据建设、指令微调、偏好对齐等模型训练范式优化。