Agentic Coding是基础模型持续演进的重要方向之一。我们推进大模型在代码生成、仓库级理解、长程软件工程任务等场景中的能力。团队重点研究复杂真实环境中的规划、测试、代码修改与多轮执行能力，提升模型的自主性、可靠性与工程落地表现。欢迎对大模型与Agentic Coding有兴趣和实践经验的同学加入。 工作内容包括： 1. 提升模型在代码重构、长上下文建模、仓库级代码理解与长程代码生成等真实软件工程任务中的表现。 2. 基于SFT与RL训练模型。分析模型输出，定位能力短板。研究训练数据、奖励信号与算法，持续提升模型。 3. 研究复杂代码任务中的规划、记忆、自我反思与多轮执行能力。探索多Agent协作、长程记忆与多轮验证等方法，提升模型的稳定性与成功率。 4. 与研究员和工程师协作，持续迭代训练数据、评测体系与执行环境；参与构建高质量代码数据、可验证软件工程任务与自动化评测流程，提升模型在代码 benchmark与真实开发任务中的表现。