The posting
1. 负责大模型智能体的强化学习训练,提升任务规划、工具调用、多轮交互与长程任务执行能力。 2. 负责Agentic RL在超级长程Agent场景的训练,参与Agentic RL Infra建设及优化、Agentic RL 算法优化,持续提升Agentic RL训练的效率和稳定性。 3. 设计和优化奖励机制与策略更新方法,解决稀疏奖励、长程信用分配、奖励投机等训练问题。 4. 建设高质量交互轨迹与训练数据,优化采样、筛选和任务难度分布,提升样本效率与泛化能力。 5. 完善训练流程,协同基础设施团队优化分布式训练与推理采样,提升训练稳定性和资源利用率。
1. 硕士以上学历,计算机、人工智能、数学等相关专业。 2. 具备扎实的深度学习与强化学习基础,熟悉 PyTorch 和大模型训练流程,了解 PPO、GRPO 等策略优化算法。 3. 具有扎实的深度学习算法基础,熟悉深度学习框架和分布式训练推理加速,有实操经验者优先; 4. 在多模态/CV/NLP等领域顶级会议(期刊)发表过论文、主导/参与业界知名的开源项目者优先; 5. 具备极强的学习能力和技术追求,良好的团队合作和沟通能力。



