本课题聚焦预训练阶段的核心算法与训练策略，系统性探索模型能力上界的突破路径。研究方向包括但不限于：智能数据配比、多阶段学习研究、面向预训练的先进训练算法优化，以及严谨可复现的算法评测与验证体系构建。通过数据结合训练算法和策略，推动预训练模型在通用场景下的性能实现实质性跃升。
- 年级不限，本科及以上在读，计算机、人工智能、软件工程或相关交叉学科背景优先， C9院校优先；
- 拥有卓越的工程实现能力与扎实的算法功底，熟练掌握至少一门主流编程语言及 PyTorch 框架，熟练使用 Code Agent 者优先；
- 深耕机器学习与深度学习领域，具备大型语言模型（LLM）项目实战或大规模预训练实际经验者优先；
- 在 NeurIPS、ICML、COLT、ICLR、CVPR 等顶级会议或期刊上发表相关研究成果者优先；
- 具备出色的沟通与协作能力，自驱力强，敢于担当，乐于与团队共同探索前沿技术，推动技术演进与落地。
