课题详情： 课题背景： 近年来，强化学习后训练技术持续推动大模型在复杂推理、工具调用与智能体任务上的能力飞跃，多模态大模型也正在从“看懂画面的语言模型”演变为“理解环境、规划决策、执行操作、获取反馈”的通用智能体。围绕 GUI Agent、通用视觉智能体等方向，模型需要在网页、桌面、移动端及开放环境中完成感知、推理、动作与反馈闭环，这对多步决策、环境交互、工具使用和长程任务求解能力提出了更高要求。如何构建适用于视觉智能体的强化学习关键技术与系统能力，仍处于快速演进阶段，也是下一阶段多模态模型能力突破的重要方向。 课题挑战： 1、Agentic RL范式探索：如何在多模态环境下构建高效的Agentic RL流程，使视觉智能体能够基于视觉和语言的混合反馈进行高效感知、推理，并自主规划工具调用； 2、训练稳定性与探索-利用权衡：视觉智能体的强化学习训练容易出现模式坍缩、策略退化等问题，影响长期训练的收敛性。需要设计有效的正则化机制、熵控制策略与 Off-Policy 修正算法，实现可扩展的 RL 训练； 3、优化过程的可解释性与白盒诊断工具：视觉智能体强化学习的优化过程涉及多模态输入、复杂网络结构和时序决策，其内部机制常被视为黑盒，缺乏有效的分析工具来诊断优化瓶颈。例如，难以量化基模先验的影响、数据质量与分布偏移的影响、训练与推理一致性、Off-Policy 算法的偏差与方差、梯度异常等。这阻碍了研究者定位问题根源，限制了算法的稳定提升与高效迭代。因此，亟需构建白盒化的可解释性分析框架与诊断工具，以揭示优化过程中的关键影响因素，指导算法设计与系统优化。 具体工作： 你将深度参与视觉智能体强化学习核心算法研究，结合大规模多模态强化学习系统开展 co-design，支撑模型提升关键 Benchmark 与实际业务场景中的智能水平；探索可解释性分析工具，提升训练过程的透明度与调试效率，沉淀中长期技术路线与框架迭代需求。 课题要求： 1、计算机、人工智能、自动化、软件工程、数学等相关专业博士，或特别优秀的硕士；在多模态模型训练、强化学习等方向有研究积累或相关实践经验者优先； 2、扎实的深度学习基础，深入理解经典强化学习算法及大模型后训练范式；具备极强的工程实现能力，熟悉Megatron-LM,DeepSpeed或Ray等分布式训练及RL框架者优先； 3、具备较强的问题抽象、科研探索与工程落地能力，能够将模型迭代中的真实痛点转化为系统化技术方案；沟通协作能力强，对视觉理解、视觉智能体的技术发展有持续热情和独到见解。