【大模型北斗实习】统一化的检索生成框架探索与评测

引入外部知识检索是处理 agent 在有限记忆存储下知识局限性的主流路径（如检索增强生成），可以有效降低幻觉比例，使生成内容具备时效性和事实性。但现有问题是检索和生成模块通常作为异质系统交替使用，无法深度协同和统一优化。近期生成式检索方向的研究为二者统一创造了条件。 本课题希望彻底统一检索生成，研究内容包括但不限于： 1）统一检索生成的推理和优化算法构建。 2）优化实验在数据和计算维度的规模化。 3）agent 视角对 RAG 和 long-context 的解读和相应评测评估方案。 4）从统一检索生成到模型记忆的外推。 【任职要求】 1）熟悉大模型相关的推理、训练框架，有较强的工程实践能力和经验。 2）有一定的学术研究背景，对前沿技术保持好奇心，学习能力和自驱力强。 加分项： 1）在有影响力的开源项目中做出核心贡献。 2）发表过高质量学术论文。