岗位描述
岗位描述：围绕 GLM-5.2 长程任务模型开展 Agent 能力研究，面向 Deep Research、Code Agent、Web Agent、软件工程、多工具调用等场景，研究模型在长程任务中的任务分解、阶段规划、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，包括但不限于 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，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，构建和优化适用于 Agent/RL 训练的数据和任务环境；设计高质量轨迹合成、过程监督与自动化反馈机制，提升训练信号密度与多样性。针对代码、通用 Agent 等特定能力领域进行合成数据构造、筛选和优化，设计数据合成策略，控制对齐数据的质量和多样性。 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；深入理解常用的大模型算法，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；参与过有影响力的开源项目者优先；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。