大模型数据（工程方向）实习生 - AI数据与安全

关于这个机会

团队介绍：AI 数据与安全团队为 Seed 基座模型及 AI 原生应用提供跨模态数据服务，覆盖数据生产全流程，包含模型评估标准的制定、数据规模化生产、数据飞轮搭建，不断提升数据质量，支持模型快速迭代。 团队由产品经理、数据工程、数据运营等跨职能人才组成，并通过与 Seed 研究员、行业专家、全球顶尖数据供应商紧密合作，从真实场景中收集反馈并分析模型表现数据，解决 AI 前沿突破过程中的复杂数据问题，推动模型性能与用户体验的双重提升。我们既是帮助模型技术迭代的一线贡献者，也是模型和 AI 产品的一手用户。 日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 1、结合真实工程项目，与团队共同梳理工程计算Agent的完整工作流，覆盖规范、图纸和业务数据理解，工程假设与边界条件设定，数学建模与参数辨识，数值方法和专业工具选择，结果验证、敏感性分析、不确定性分析及工程解释等环节； 2、使用大模型完成具有代表性的工程计算任务，分析模型在物理与数学一致性、单位量纲、边界条件、算法选择、收敛性、数值稳定性、代码实现和结果验证等方面的表现，定位典型错误及其原因，为模型能力提升和数据建设提供专业判断； 3、结合工程实践判断模型推理、代码计算、数值求解器、仿真软件和专家复核各自适用的任务范围，识别可通过训练数据改善的能力、适合通过工具增强的能力以及需要设置人工复核和风险控制的关键环节； 4、参与工程计算数据标准和评测体系建设，协助设计具有代表性的任务分布、合成实例、参考解与求解路径、误差容限、评分规则、扰动测试和错误分类方法，并结合模型实验结果为供应商生产规范、数据迭代方向和评测策略提供建议。

任职要求

1、本科及以上学历在读，自动化、控制科学与工程、计算工程、机械、电气、电子、土木、能源动力等相关专业优先； 2、硕士及以上优先，完整参与过工程计算或科研项目，能够说明从问题定义、工程假设、数学建模、计算实验到结果验证的全过程； 3、熟练使用Python、MATLAB、Julia或专业仿真工具中的至少一种，能够阅读和审查计算代码； 4、具备扎实的数理和工程基础，能够检查公式、单位量纲、边界条件、参数范围、误差、敏感性及数值稳定性； 5、使用过大模型或科研Agent，能够识别模型在工程推理、数值计算、代码执行和引用规范方面的错误； 6、严谨细致，具备较强的问题定位、证据意识和跨专业学习能力，不要求精通所有工程领域，但应能识别问题并判断何时需要垂直专家介入，每周3天，可拆分安排，合作周期3个月。 加分项 1、具备Docker、Linux、Git、大模型评测或合成数据经验； 2、接触过CAE、CAD、EDA、数值PDE、系统辨识、控制仿真或其他工程计算工具链； 3、有跨学科科研经历，能够快速理解陌生工程领域的任务背景与计算链路； 4、可稳定全职实习3个月。

内推申请说明

本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道，不等于已在公司官网投递；薪资、岗位状态和实际招聘流程以官方信息为准。