课题详情： 课题背景： 随着LLM能力的提升，高难度推理题目与各种长尾知识评测逐渐陷入瓶颈，单纯靠人力标注和题目收集已经很难满足需求，作为替代，合成数据受到了广泛的关注。 课题挑战： 如何建立可靠的链路来生成具有研究级别难度的问题仍是个开放问题。 具体工作： 本课题致力于复杂长尾合成数据研究，包括但不限于研究级别STEM题目合成、长尾知识题目合成、高质量rubrics合成等方面。 课题要求： 在NLP、LLM领域有深入实践，对生成式AI、复杂推理或特定垂域（如代码生成、数学定理证明等）有丰富的数据构建与模型调优经验。