RAG实习生

职位概述： 我们正在寻找对大模型算法和RAG技术充满热情的实习生加入我们的创新团队。您将站在人工智能与检索增强生成技术的前沿，参与智能客服、数字员工以及工业机器人等领域的研究与开发工作。通过结合最新的大模型技术和高效的检索系统，推动这些领域内突破性的进展。我们期待您不仅能够为组织带来深厚的技术专长和技术突破，还能促进技术品牌的建立和行业影响力的扩大。团队累计发表顶会论文30+篇，包含NeurIPS、ICML、ICLR、CVPR、ICCV、TPAMI、IJCV等国际顶级会议/期刊，并且累计开源Star数1万+。 主要职责： RAG系统研发：在智能客服领域，专注于构建和优化检索增强生成系统，实现高效的知识检索与自然语言生成相结合的新一代客服解决方案。 跨模态应用：针对RAG领域，探索如何将文本、图像等多种模态的信息融入到LLM中，以提升 RAG 系统的性能。 技术创新：紧跟并研究最新的RAG及相关技术的发展趋势，提出并验证新的想法和技术方案，持续改进现有系统的性能。 项目合作：与其他团队成员紧密协作，确保研究成果可以快速转化为实际产品或服务，支持业务需求的同时也推动学术进步。

职位要求： 教育背景：计算机科学、信息检索、自然语言处理、数学或相关领域的硕士或博士在读生。 实习期限：至少6个月的全职实习时间。 编程能力：精通Python，熟悉Java或C++者更佳；具备良好的代码编写习惯和解决问题的能力。 深度学习框架：熟练使用PyTorch或TensorFlow进行模型开发，尤其是对Transformer架构及其变体有深入理解。 RAG经验：有一定的检索增强生成模型的研究或实践经验，了解如何结合外部知识库来改善生成结果的质量。 沟通与协作：拥有优秀的沟通技巧和团队合作精神，能够在跨学科环境中有效交流。 优先条件： 开源贡献：在RAG或AIGC领域有过大型开源项目贡献的经验，特别是那些获得了社区广泛认可的工作。 科研成果：在RAG、大模型或其他相关领域内发表过高水平的学术论文，尤其是在NeurIPS、ACL、EMNLP等会议上。 实际应用：有成功将RAG技术应用于实际场景的经验，如智能客服系统、搜索引擎优化等。 组织文化： 我们是一个充满活力、追求卓越的团队，致力于打造具有代表性的作品，在工业界、学术界及开源社区中树立良好形象。我们鼓励每位成员积极进取，勇于创新，同时注重个人成长与组织发展的和谐统一。 申请方式： 如果您渴望成为这场技术变革的一部分，并符合上述条件，请准备好您的简历、过往项目案例以及任何相关的证明材料，并发送至[填写联系邮箱]。我们期待着与您共同开启这段激动人心的旅程！