岗位描述 1. 负责理想同学大模型规划算法的研发，包括任务拆解、意图识别、路径规划等，重点探索强化学习（RL）在决策与规划中的应用； 2. 参与Agent系统核心模块开发（Context管理、推理规划、工具调用、执行反馈），引入RL训练范式提升Agent的适应性与鲁棒性； 3. 利用RLHF、PPO等方法优化多轮对话中的模糊指令处理与跨轮任务目标； 4. 跟踪并复现ReAct、Plan-and-Execute、Reflexion等前沿范式，结合RL算法进行效果改进。 任职要求 1. 学历要求：2027 届计算机、AI、NLP、数学等相关专业硕士及以上学历； 2. 基础能力：扎实的机器学习/深度学习基础，熟悉 Transformer 及主流大模型架构（GPT、LLaMA 等），熟练使用 Python 与PyTorch； 3. RL 专业能力：熟悉强化学习核心理论（MDP、PPO 等），有 RLHF、DPO 等对齐训练方法实践经验，了解 RL 框架者优先； 4. Agent 方向认知：了解对话理解、任务规划、Tool Use 等方向，对 ReAct、Plan-and-Execute、Reflexion 等 Agent前沿范式有认知； 5. 综合素质：良好的沟通与协作能力，能主动分析并解决问题；对 Agent / RL 方向有浓厚兴趣，愿意长期投入。