岗位描述
岗位描述：利用强化学习方法改进智能体的规划、反思和工具使用能力，提升Code Agent在实际场景中的可用性；探索基于人机协同的高质量数据挖掘与合成方法，增强智能体的规划和工具使用能力；构建Code Agent基础能力，包括规划能力、测试用例和代码生成能力；构建多模态智能体，提升多模态大模型RLHF训练效果；构建Code Agent自动化评测体系和Docker环境生成能力；在实际场景中构建基于多模态统一的高价值智能体，不局限于代码场景，还包括搜索、浏览器、终端、图片分析创作等工具调用场景，支持深度思考、长短期规划分析以及Multi-Agent协同完成复杂任务。 岗位要求：了解Alignment领域常用方法，包括但不限于SFT、DPO、PPO、RFT、Self-Rewarding和Self-Critic等；具备扎实的机器学习基础和优秀编码能力，能熟练使用PyTorch，熟悉Megatron等大规模训练框架；在NLP、CV、RL等至少一个AI领域有深入研究经历，或曾通过机器学习算法解决复杂问题，欢迎跨界研究者；具备卓越的实验分析与问题解决能力，有创新思维，能够良好沟通并与团队高效协作。加分项包括：有编程竞赛经历或软件工程背景；拥有计算机、电子、物理、数学等专业硕博学位；在ICML、ICLR、NeurIPS、ACL、CVPR等顶级学术会议发表过有影响力研究成果；在ACM/ICPC、NOI/IOI、Kaggle等编程或AI比赛中获奖；主导或参与过有影响力的AI开源或闭源项目。