通义研究型实习生-智能体与大模型时代的数据智能前沿技术探索与应用
任职要求
1. 计算机、人工智能等相关专业硕士或博士在读； 2. 熟练掌握 Python和主流深度学习框架，具备良好系统实现能力； 3. 对大模型、智能体、强化学习、数据智能有浓厚兴趣，能独立阅读论文并复现核心思想； 4. 每周可实习 ≥4 天，持续 3 个月以上，鼓励长期投入。 加分项： 1. 有大语言模型、数…
工作职责
随着大模型与智能体系统的发展，数据正从“静态燃料”演变为“动态认知基础设施”。传统数据处理范式难以满足Agent工作流、强化学习、RAG等新场景对语义理解、任务适配与反馈闭环的需求。一系列重要问题亟需重新思考：什么是面向未来 AI 系统的“高质量数据”？如何构建可解释、可组合、可迭代的数据智能框架？ 我们隶属于通义实验室，长期聚焦 AI 基础设施与数据智能方向。团队已在ICML、NeurIPS、ICLR、SIGMOD、KDD、WWW等国际顶会发表论文数十篇，多次获 Spotlight 与 Best Paper，主导开源 DataJuicer、AgentScope、Trinity-RFT 等框架。相关成果广泛应用于学术界与工业界，支撑阿里云、通义大模型、百炼平台等内外部业务。 现诚邀具备扎实科研能力与工程素养的候选人加入，你将参与： 1. 探索如何让数据处理系统“听懂”任务语义，自动生成可验证、可复用、可优化的数据流水线； 2. 研究高性能方法，量化建模文本、图像、轨迹等数据对下游任务的实际价值，构建数据健康评估体系； 3. 面向智能体经验管理、RAG 上下文筛选、多模态日志分析等真实场景，设计新型数据原语与评估基准； 4. 建设开源框架（DataJuicer、AgentScope、Trinity-RFT），发表高水平论文或技术成果，推动社区对“数据智能”的前沿探索。
在大模型技术日臻成熟与广泛应用的背景下，自动代码生成的研究步入了一个全新的阶段。近年来，随着大规模预训练语言模型（如GPT系列、通义千问系列）的突破性发展，以及多智能体系统(Multi-Agent Systems, MAS)在复杂环境决策和协同任务处理中的深入探索，如何结合这两者的优点，构建具备高度环境感知能力的Code Multi-Agent系统，已成为软件工程和人工智能交叉领域的重要课题。因此，针对Code Multi-Agent系统在项目环境感知方面的研究，不仅能够填补现有工具在智能化程度上的空白，更有望引领软件工程实践进入一个崭新的自动化与智能化时代。
【团队介绍】 我们是菜鸟的创新团队，致力于打造公司级AI工作助手——“菜包”。“菜包”不仅仅是一个工具，更是定义“菜鸟人AI工作方式”的核心平台。它集成了文档创作、应用生成、数据分析等多种“AI实习生”（Agent）能力，旨在通过前沿的AI技术，革新内部工作流程，大幅提升组织效率与创造力。你将有机会参与定义下一代人机协同范式，设计一款真正能改变数万人工作方式的革命性产品。 【职位职责】 1. 负责“菜包AI”产品的全链路用户体验设计，涵盖Web端及其他潜在终端，确保产品整体的可用性、易用性与专业性。 2. 与产品经理、算法工程师、开发工程师等团队成员紧密协作，深入理解业务需求与技术实现，提供创新且可落地的设计方案，并高效推动其实现。 3. 构建和维护菜包AI的设计规范和组件库，保证产品体验的一致性和品牌形象的统一性。 4. 深度参与用户研究，通过用户访谈、数据分析等方法，洞察菜鸟员工在不同工作场景下的痛点和诉求，并以此驱动设计迭代，重点关注**工作效率提升、AI采纳度**等核心指标。 5. 探索和定义AI时代下全新的人机交互模式，尤其是在**智能体（Agent）交互、对话式界面（CUI）、AIGC内容生成与编排**等前沿领域，致力于提升AI产品的可信度、可控性与用户满意度。 6. 持续关注业界（特别是企业级AI应用、AIGC工具）的设计趋势和技术进展，并将其转化为对产品的设计优化建议和创新机会。
【项目介绍】 在当前AI发展的浪潮中，垂直领域（如新闻媒体）仍有⼤量基础性、交叉性的核⼼问题亟待探索和定 义。我们旨在通过深度研究，为媒体⾏业在AI时代构筑独特的认知和能⼒护城河，并希望借此吸引对 解决真正难题充满热情的顶尖⼈才。 为此，我们携⼿顶尖⾼校，推出SOHU Leaf Program/⻘叶研习项⽬，诚邀对挑战复杂问题充满热情的 你，与我们共同探索AI与媒体的⽆限可能。 【研究方向】 我们正在寻找对以下⼀个或多个⽅向有浓厚兴趣和研究潜⼒的伙伴： 1. AI与新闻传播交叉研究: 与内容、产品团队紧密合作，探索AI技术如何深度赋能或重塑内容⽣产、 分发与交互，研究其中的关键技术挑战与社会影响； 2. 复杂任务与策略研究: 探索和研究前沿AI技术（如LLM、Agents、RL、多模态理解与⽣成等）在处 理复杂媒体内容任务（如深度内容理解、可信信息⽣成）中的应⽤与挑战； 3. 领域能⼒评测与基准: 针对新闻媒体领域的独特性，设计和开发新的评估⽅法和基准，以更准确地 衡量和理解AI在信息处理、内容创作、价值对⻬等⽅⾯的真实能⼒；
研究领域： 深度学习 项目简介： 随着基础大模型能力的提升，对模型短板数据/知识型数据的需求越来越大；通过正向挖掘很难补充该分布数据； 以下两个关键点需要投入人力研究： 1、通过智能体工作流来融合多模态大模型的协同与规划能力；提升整体数据链路的任务覆盖广度与深度； 2、通过数据主动合成探索数据闭环实现路径；提升交付自动化程度与质量；