计算机科学与技术、人工智能、电子信息、自动化、数学等相关专业在读硕士/博士，具有机器学习、深度学习或强化学习相关研究基础。 熟练掌握 Python，具备扎实的算法实现与工程实践能力，熟练使用 PyTorch 等深度学习框架，熟悉 Transformer、Attention、MoE 等主流模型架构，有前沿论文复现、模型训练或算法改进经验。 熟悉主流多模态大模型（如 Qwen-VL、Qwen-Omni、InternVL、LLaVA 等），了解视觉语言模型（VLM）、跨模态对齐、多模态指令微调、多模态推理等技术，有相关模型训练、微调或研究实践经验。 熟悉 LLM-based Agent 的主流技术路线，了解 ReAct、Tool Calling、Planning、Memory、Multi-Agent 等关键技术，对 Agent 的自主规划、复杂任务执行、环境交互及决策优化有深入理解，有相关开源项目或研究实践经验。 了解大模型后训练及强化学习相关技术，包括但不限于 SFT、DPO、PPO、GRPO、Reward Modeling 等；对 Jev-style Decision Model、结构化预测、概率校准、动作选择或学习型决策策略等至少一个方向具有研究兴趣或相关实践基础。 熟悉多模态大模型、Agent 或决策模型相关评测方法，了解 MMMU、MMBench、Video-MME、GAIA、OSWorld、BFCL 等 Benchmark，或 Accuracy、Task Success Rate、ECE、Brier Score 等评测指标，具备独立设计实验、分析模型行为及定位问题的能力。 能高效阅读和理解顶级学术会议论文，具备良好的科研思维、实验设计能力与学术写作基础，对多模态智能、Agent 和自主决策方向具有浓厚兴趣。 优先条件： 可连续实习时间达到 6 个月及以上。 在多模态大模型、Agent、强化学习或决策模型等方向具有相关研究项目经验，包括但不限于实验室科研课题、开源项目贡献、竞赛获奖或独立算法研究。 在 NeurIPS/ICML/ICLR/ACL/CVPR/ICCV/ECCV 等顶级学术会议发表过论文，或具有相关高质量论文投稿经历。 具有大模型强化学习、Agentic RL、环境交互式学习、长程任务规划、多模态推理或模型决策能力优化等研究经验者优先。 熟悉 Jev、学习型决策模型、概率校准、Reward Model、Process Reward Model（PRM）或基于反馈的决策优化方法，有相关算法复现、模型训练或创新研究经验者优先。 具有多模态 Agent、GUI Agent、实时交互式 Agent、低延迟模型推理或复杂业务场景智能体落地经验者优先。