岗位描述 在这里，智能体不只停留于文本对话，更具备全感官（听觉、视觉）的感知能力。我们的目标是构建能连接数字世界和物理世界、具备长程规划能力、并能实现自我闭环进化的下一代多模态智能体模型： 设计并实现面向 Agent 的大规模强化学习算法，重点解决Credit Assignment、Reward Desgin和Multi Agent RL等算法问题 设计面向复杂、长程任务Agent harness以及数据合成方法，在中训练、SFT和RL中验证Data Scaling Law，优化训练策略 研发具备自主记忆与自主技能发现能力的智能体模型，探索智能体在环境交互中自我更新、自我进化的新范式，打造可扩展的“终身学习”智能体优化方法。 任职要求 任职资格： 本科及以上在读，不限年级， 计算机、人工智能、数学等相关专业优先，具备深厚的数学功底、数据直觉和算法直觉。 扎实的编程能力，熟练掌握PyTorch，DeepSpeed, Megatron-LM, verl 等训练框架。善于使用AI Coding工具(Cursor、Claude Code等)提升开发效率。 良好的深度学习基础，熟悉主流语言模型训练方法，有实际模型后训练经验者优先; 有以下一项或多项经验者优先: 多模态语言模型的数据构造、SFT和RL经验 Search Agent和Coding Agent等智能体模型的数据构造、训练和应用经验 Reasoning RL和Agentic RL等强化学习经验 在顶级学术会议或期刊发表论文、有高质量开源项目、或ACM/Kaqqle等编程与机器学习竞赛获奖者优先; 思维敏锐,学习能力强,能快速理解新领域并找到关键问题;自驱力强,善于在开放性问题中独立探索和推进; 实习时间6个月及以上,每周至少投入4天。