岗位描述
岗位描述：围绕 Agent 场景下复杂任务求解能力开展研究，重点提升模型在长程任务中的稳定性、泛化性和可扩展性，解决 Deep Research、Code Agent、开放环境决策、多步工具使用、长程任务分解与执行等问题中的规划深度不足、长期奖励稀疏、探索效率低、任务迁移能力弱等挑战。研究方向包括：面向 Agent 的推理、规划与执行一体化建模；基于强化学习的复杂任务能力提升；长程任务中的探索、信用分配与奖励建模；面向真实环境的工具使用、代码执行与交互式学习；以及在后训练阶段实现接近预训练 scaling 的能力增长。具体工作包括：面向 Deep Research、Code Agent、Web Agent、软件工程、多工具调用等场景，研究模型在 long-horizon tasks 中的任务分解、阶段规划和子目标管理，提升复杂任务完成率与鲁棒性；研究适用于 Agent 场景的强化学习方法，包括 rollout scaling、在线/离线 RL、过程奖励建模、探索策略优化、信用分配、轨迹筛选与策略迭代等，提升模型在开放环境中的自主决策与持续改进能力；围绕代码、搜索、工具使用、软件工程等方向构建和优化 Agent/RL 训练数据与任务环境，设计高质量轨迹合成、过程监督与自动化反馈机制；针对数学、代码、复杂推理等能力领域进行对齐数据构造、筛选和优化，设计数据合成策略以控制质量和多样性。 岗位要求：计算机、电子、自动化等相关专业硕士或博士学位，优秀本科生亦可考虑。深入理解常用大模型算法，有相关方向业界实习经验者优先；熟练使用 PyTorch、transformers、megatron 等主流框架；工作认真负责，具备良好的团队协作能力。在 CCF-A 类会议发表过相关论文者优先考虑；参与过有影响力开源项目者优先；在 ACL、NeurIPS、ICLR、EMNLP、ICML 等顶级会议或期刊发表过论文者优先；熟悉并行训练框架、有多机多卡训练经验者优先。