寻找未来的AI研究员！实习生招募计划

如果你对通用人工智能（AGI）充满热情，渴望在本科阶段就触碰最前沿的AI技术，而不只是停留在跑通别人的开源Demo……欢迎加入我们的课题组！

我们致力于探索大语言模型的对齐算法、复杂智能体架构，以及AI在交叉领域（如智慧教育、复杂博弈）的真实落地。无论你是想为将来的读研深造铺路，还是想体验最硬核的AI研发，这里都有适合你的舞台。

我们正在攻克的方向（可任选其一或跨界探索）：

1. 大模型长程强化学习训练 (Long-Horizon RLHF & Alignment)

大模型如何才能在复杂任务中进行长链条推理而不“幻觉”？

你将接触：

超越基础的SFT（监督微调），探索强化学习在大模型对齐中的应用；研究GRPO等前沿策略优化机制与奖励模型（Reward Model）的设计。

科研关键词： RLHF, GRPO, DeepSpeed/Megatron, 复杂推理。

2. Agent 架构创新与推理世界模型 (Agent Architecture & World Model)

未来的AI不仅能“说”，还要能自主“规划”和“行动”。

你将接触：

设计下一代多智能体（Multi-Agent）协作架构，突破现有Agent在反思与纠错上的瓶颈；探索世界模型与agent的混合应用

科研关键词：

Multi-Agent, MCTS, 推理期计算 (Inference-Time Compute), 世界模型 (World Models)。

3. 拟真智能体行为模拟

让大模型真正懂“人”，并在虚拟与现实的交互中展现情感与逻辑。

你将接触：

研究具有苏格拉底式启发能力的AI大脑，建立针对特定领域的认知评测基准（Benchmark）；或探索在虚拟环境（如游戏NPC）中，如何利用大模型驱动具备情感陪伴与动态博弈能力的拟真智能体。

科研关键词：启发式对话, 拟真行为模拟, 认知推理基准。

我们希望你：

针对大一、大二同学，我们不苛求你现在就是“技术大佬”，我们更看重你的底层代码能力、学术好奇心和强大的自驱力。

基本功扎实： 熟练掌握 Python，了解基础的数据结构与算法；具备一定的高数/线代/概率论基础。

阅读与钻研： 有不错的英语阅读能力，不畏惧硬啃顶会（如 ACL, NeurIPS, ICLR）的英文文献。

加分项（非必须，但很拉好感）：

接触过 PyTorch 等深度学习框架。

对特定领域（如强化学习、教育心理学、游戏AI设计）有自己独特的思考和强烈兴趣。

有自己的 GitHub 练手项目或技术博客。

在这里，你将获得：

1. 手把手的科研引路： 告别“放养式”实习。资深学长/博士生带你从读Paper、写代码、设计实验到分析数据，走通完整的科研全生命周期。

2. 硬核的算力与工程经验： 提供充足的 GPU 算力支持，让你有机会实操工业级的大模型分布式训练框架，积累极其宝贵的实战工程经验。

3. 高质量的产出机会： 表现优异并做出实质贡献的同学，将深度参与核心论文的撰写，共同冲击自然语言处理/人工智能领域的顶级学术会议。

4. 自由极客的团队氛围： 鼓励提出天马行空的想法，即使它听起来很“疯狂”。