数字技术应用研究

01 Institution

大学或研究院

中新国际联合研究院（正式名称待项目方复核）

华南理工大学官网使用的名称为“中新国际联合研究院”，并称该研究院由华南理工大学与新加坡南洋理工大学共建。源表名称与官网名称不一致，发布前必须确认正式名称、运营主体及具体岗位承接主体。

02 Project

具体项目

数字技术应用研究

项目资料所列方向：E-计算科学与行业大模型

研究问题：须由导师把岗位描述收敛成可在 4-8周 内验证的问题；当前不得预写问题、方法或结果。

方法与工具：待确认。岗位能力要求不等于学生一定能使用相关设备、软件、数据或代码库。

03 Student Research

学生实际研究内容

以下内容来自项目岗位资料，表示可能参与的任务范围；实际分工、权限、导师与安全边界必须在正式开放前逐项确认。

1、深入理解项目原型与业务需求，协助团队成员进行功能开发、系统维护与问题排查。
2、参与AI模型开发与优化，完成数据清洗、特征工程及数据集构建；参与机器学习/深度学习模型的训练、调优、性能评估实验，并对结果进行可视化分析与报告。
3、参与智能体应用开发，基于大语言模型（LLM）的智能体场景开发，涉及逻辑设计、工具调用（Function Calling）、提示词优化及效果迭代。
4、文档与知识沉淀：协助编写和维护高质量的项目文档，包括技术方案、实验报告、API文档及用户手册。

1、计算机、软件工程、人工智能等相关专业。
2、熟练掌握Python，具备良好的编码习惯；计算机基础扎实，熟悉数据结构、算法、操作系统、网络等核心知识。
3、关键优先经验：
1) 有使用Pandas、NumPy、Scikit-learn、PyTorch/TensorFlow等库进行数据处理、特征工程或模型训练的实际项目或研究经验优先。
2) 有基于LangChain、LlamaIndex等框架开发智能体、AI应用或进行提示词工程实践的优先。
4、责任感强，具备优秀的学习能力、逻辑思维和主动解决问题的心态，对大模型应用开发有浓厚兴趣，拥有良好的团队合作精神。

04 Evidence

研究成果与证据包

源表描述了工作内容，但未完整确认最终验收件、所有权和公开范围

作品集使用、公开展示、数据与代码所有权均需通过保密、知识产权、肖像和机构审查。

05 Paper Path

研究报告与论文路径

1. 研究问题卡：把岗位任务缩小为可在4–8周内回答的问题
2. 文献矩阵：记录检索式、来源、关键结论、方法与证据缺口
3. 研究提案：说明问题、假设或目标、变量、数据、工具与里程碑
4. 方法与伦理/安全检查：明确学生可操作范围、同意、隐私、保密与知识产权
5. 证据包：保留实验/测试/开发日志、数据字典、代码版本与失败记录
6. 分析与图表：呈现结果、误差、替代解释和方法局限
7. 研究报告或论文初稿：文件类型由项目方书面确认，不把初稿写成已发表论文
8. 同伴/导师评阅：记录反馈、修改决定与AI工具使用披露
9. 修改稿、答辩与作品集：标注真实贡献、导师支持和最终状态

06 Registration Fields

报名字段与待确认项