岗位描述
利用强化学习方法改进智能体的规划、反思与工具使用能力，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，增强智能体的规划和工具利用能力；构建 code agent 的基础能力，包括规划、测试用例、代码生成等；构建多模态智能体，提升多模态大模型 RLHF 训练效果；建设 code agent 的自动化评测体系与 Docker 环境生成能力。岗位还涉及构建基于多模态统一的高价值场景智能体，不局限于代码场景，也包括搜索、浏览器、终端、图片分析创作等工具调用，以及长短期规划与 multi-agent 协同完成复杂任务。