融合模型算法实习生

关于这个项目 我们正在构建一个面向复杂任务的模型融合系统。它不是简单地接入单个大模型，而是通过构建多模型并行生成、候选答案分析、强模型合成、智能路由策略、流式输出与可观测评测的完整闭环，让不同模型在推理、代码、研究、工具调用等场景中形成深度互补。 这个方向的核心命题并非“哪个模型最强”，而是如何稳定、可解释、可复现地组织多模型能力，并在质量（Quality）、成本（Cost）、延迟（Latency）之间做出极致的工程化权衡。 我们正在寻找一位能参与完整工程闭环的工程师——从 Benchmark 设计、实验执行、问题归因，到系统设计调整、核心代码实现与验收指标沉淀。

你会负责 核心系统开发：参与模型融合 Gateway、评测 Harness（测试框架）、实验 Runner、Trace/Observability（链路追踪与可观测性）等核心系统的设计与实现。 • 评测体系建设：设计与维护开发 Benchmark，覆盖代码生成、研究问答、终端操作、工具调用（Tool Calling）、多模型融合策略等关键能力维度。 • 实验与分析：跑模型组合、Scaffold（生成框架）、Routing（路由）、Reasoning 转发、Timeout/Fallback（超时与降级）等对照实验，深度分析质量、成本、延迟与稳定性指标。 • 问题归因与闭环：结合 Trace 链路、模型原始输出与用户反馈，精准定位系统失败根因，并将问题转化为可复现的 Case 和具体的工程改进项。 • 策略优化：优化融合链路中的关键环节，包括候选生成、分析摘要、合成输入构造、流式处理、Partial Salvage（部分结果抢救）、自动评分与验收逻辑。 • 知识沉淀：输出清晰的实验记录、架构设计文档和可验证的结论，让团队能基于数据持续迭代系统。

我们希望你具备 扎实的编码能力：拥有 Rust / Python / TypeScript 中至少一种语言的实际开发经验，并愿意根据项目需要灵活补齐技术栈。 • 重度 AI 用户：对模型行为、Agent（智能体）、Eval Harness、Benchmark、Tool Calling、Streaming（流式传输）、上下文结构等底层细节有浓厚兴趣。 • 独立性与灵活性：能独立设计和实现模块，也能坦然接受实验结果与预期不符，并据此调整系统设计。 • 数据驱动习惯：愿意写脚本、跑对照实验、深挖 Trace 和分析失败样本，不凭直觉拍板。 • Benchmark 怀疑精神：时刻关注 Case 质量、评分标准合理性、数据泄漏风险、过拟合、评测代表性和可复现性。 • 成本与延迟意识：理解模型系统不能只追求单点质量峰值，必须时刻关注吞吐量、响应时间、服务稳定性和 API 调用成本。 • 扎实的工程素养：重视代码质量、单元测试、技术文档、可维护性以及变更的可回滚性。

加分项 -做过 LLM、RAG、Agent、评测系统、开发者工具、IDE 插件、代码生成工具或自动化测试平台。 • 熟悉 OpenAI-compatible API、Responses API、SSE Streaming、Tool Calling、Reasoning Content 等接口细节。 • 具备 Async Rust（Axum/Tokio）、Python Eval Pipeline、CLI 工具或前端实验看板 的开发经验。 • 有过 Benchmark 设计、自动评分、人工评审、Ablation（消融实验）、误差分析或模型对比实验 的经验。 • 能阅读模型、Agent、Eval 相关的前沿论文或开源实现，并将其转化为可验证的工程实验。

我们不特别看重 • 年龄、学历标签或大厂经历。 • 是否有非常标准的“AI 岗位”过往 Title。 • 是否已经完整做过一模一样的同类系统。 我们更看重你解决问题的思路、对技术的热情，以及在复杂系统中寻找确定性的能力。