先认识
中新国际联合研究院
岗位表用名：广州中新国际创新研究院（新加坡南洋理工大学＆华南理工大学）
公开资料显示，中新国际联合研究院面向人工智能、生命健康、新能源、新材料、绿色建筑与智慧城市等领域开展技术创新、成果转化和企业孵化。岗位表中的广州项目主要连接系统测试、工业数字化、光学产品、新能源电池、护肤品材料、微生物工程和大模型应用等方向。
这类项目特别适合希望理解“研究如何走向产品”的学生：学生不只处理一道孤立题目，还会看到需求、数据、模型、测试、文档与迭代之间的关系。项目页面使用公开机构名称；具体接收单位、导师、场地和企业团队仍需在每期项目确认书中逐项核对。
再理解
具体研究项目
怎样把工业现场的数据转化为可验证的模型、监测工具与决策依据？
围绕“数字技术应用研究”设置1个研发岗位方向，学生将在4-8周内完成课题理解、岗位任务、过程记录、阶段复盘与成果表达。核心岗位为Python实训生。
中新院孵化科技企业。团队是国内领先的产业AI智能体支撑平台技术提供商，，致力于研发“开发工具、测试工具、运维工具、治理工具”等产业人工智能应用底层的智能体工具软件基座，突破智能体工具软件领域“卡脖子”关键技术。
项目资料已提供；具体开放、导师与接待安排待每期确认。岗位表属于项目方提供资料，不单独证明已确认导师、实验室开放、设备使用或论文发表。
学生具体做什么？
每一个岗位都写清任务、工具、证据与基础要求。实际分配由学生能力、名额和导师确认共同决定。
通用技术类-人工智能应用开发
Python实训生
具体实训内容
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。
建议能力基础
- 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。
不是“跟着做”，
而是留下研究证据。
根据岗位不同，项目将从下列方法中选择适用部分；未实际使用的方法不写入学生成果。
模型设计、仿真与性能比较
定义输入、评价指标和对照方案，比较结果而不是只展示最好的一次。
数据清洗、分析与可视化
保留原始数据、清洗规则、分析过程、图表和无法解释的异常。
实验操作、对照记录与安全复盘
记录样品、条件、步骤、观察、偏差和安全处置，不编造缺失结果。
技术文档与研究报告写作
形成可复核的技术文档、研究日志、阶段报告和引用清单。
从入组准备到成果答辩
项目以4—8周为框架；短周期将压缩任务范围，不把未完成的数据包装成正式研究结论。
- WEEK 0
能力与安全预检
确认年级、先修知识、可用时间、设备权限、保密边界与成果目标。
- WEEK 1
认识机构与研究问题
理解研究机构、团队方向和项目背景，完成研究问题卡与关键词清单。
- WEEK 2
文献与方法训练
建立文献矩阵，拆解岗位方法、工具、数据来源、评价指标和可能风险。
- WEEK 3—6
进入研发岗位
按岗位完成开发、实验、仿真、测试或数据任务，持续保存版本、记录和失败原因。
- WEEK 7
分析与成果写作
整理图表、技术文档和阶段结论，写清证据、限制和下一步改进。
- WEEK 8
答辩、修改与归档
完成研究海报或路演，接受追问并形成研究报告或论文结构稿。
这次实习最终留下什么？
根据项目完成度形成研究报告，并搭建论文初稿或技术论文结构；是否投稿、投向何处及署名方式须由导师、机构和学生贡献共同确认。
研发过程证据包
文献矩阵、项目日志、数据或代码版本、测试记录、实验照片与问题清单。
阶段研究报告
清楚呈现问题、背景、方法、结果、限制、引用以及AI工具使用范围。
研究海报与答辩
把复杂项目讲清楚，并能够回答“证据在哪里、还有什么不能确定”。
论文结构或初稿
达到条件时进入初稿与修改阶段；投稿、录用和正式发表必须有独立记录。
安全、伦理与学术诚信
- 未成年人参与须完成监护人同意、个人信息最小化和影像授权。
- 机械、电气、激光、化学、生物及其他高风险步骤只在授权区域由专业人员指导。
- 涉及人体、动物、健康、生物样本或可识别数据时，必须先确认适用审批和数据规则。
- 不捏造、篡改或选择性删除数据；失败结果与方法局限同样进入报告。
- 学生署名反映真实贡献，导师、机构和AI工具的作用分别披露。
报名之前需要知道
01高中生可以参加吗？＋
可以登记意向，但不是所有岗位都适合高中生。项目会根据编程、数学、实验或专业基础进行预评估，并可能改为边界更清晰的研究任务。
024周和8周有什么区别？＋
4周更适合完成边界明确的子任务和研究报告；8周可以增加文献、方法比较、数据分析、修改和答辩，但仍不代表一定能够投稿或发表。
03一定能进入实验室和使用设备吗？＋
不能提前保证。场地、设备、导师与开放区域必须在每期确认书中明确；未开放的部分会使用仿真、公开数据、模型或等效任务替代。
04能否发表论文？＋
项目支持形成研究报告或论文初稿。是否投稿、期刊或会议选择、作者顺序、录用和发表都取决于真实成果、贡献、导师与机构审核，不能承诺。
05海报上的信息是否可以直接发布？＋
可以从项目记录生成，但发布前必须再次核对日期、地点、名额、费用、机构关系、二维码和开放范围。