智能体Harness与大模型强化学习算法工程师/青年研究员
智能体系统中心｜全职｜工程通道｜上海
2026-10-10
岗位职责
我们正在构建面向下一代智能系统的 Agent Harness 与自主进化体系。团队聚焦 Agent、Harness、大模型强化学习、Recursive Self-Improvement（RSI）与能力内化，研究如何通过 Harness 为智能体提供规划、工具、环境、记忆与反馈机制，使模型在真实复杂任务中持续学习和进化，并进一步将 Harness 中形成的有效策略、技能与经验内化为模型自身能力，推动智能体从“依赖外部系统完成任务”走向“自主学习、自我改进与持续进化”。
【主要工作】
1、研发下一代 Agent Harness
设计和构建面向复杂真实任务的 Agent Harness，研究任务规划与分解、工具调用、代码执行、状态与上下文管理、记忆、反思纠错、环境交互及长程任务执行等核心机制；探索 Harness 从“模型外部脚手架”向智能体学习环境、能力放大器与进化基础设施演进。
2、研究 Agent 后训练与强化学习
开展面向智能体的 SFT、Preference Learning、Reward Modeling、PPO / GRPO、RLVR、Online RL、Agentic RL 等后训练与强化学习研究，结合代码执行、工具调用、任务结果及环境反馈构建可验证奖励，重点提升模型的规划、推理、工具使用、长程执行、信用分配、自我纠错及复杂任务泛化能力。
3、探索 Recursive Self-Improvement 与自主进化
研究智能体递归自我改进（RSI）、Self-Play、持续学习、自动课程生成、经验积累、技能发现与策略进化等机制，构建“任务执行 → 环境反馈 → 错误分析 → 策略改进 → 数据生成 → 模型更新 → 能力验证”的持续学习闭环，探索智能体从人工设计向自主学习、自我改进和持续进化演进。
4、研究 Harness 能力内化
探索如何将 Harness 中通过人工设计、搜索或智能体自主发现形成的任务规划、工具选择、工作流、Reflection、错误恢复及 Skill 等有效能力，转化为高质量训练轨迹与学习信号，通过 SFT、蒸馏、强化学习及持续学习等方式逐步内化到模型参数中，形成“Harness 能力构建 → Agent Trajectory → 模型训练 → 能力内化 → 模型增强 → Harness 再进化”的 Model-Harness 协同进化闭环。
5、推动 Auto-Research 与复杂真实任务落地
将 Harness、Agent Learning 与 RSI 能力应用于 Coding Agent、Research Agent、Scientific Agent 等复杂任务，打通问题理解、任务规划、工具调用、代码执行、环境交互、结果验证、经验积累和持续优化等环节，并推动模型训练、Harness 迭代、能力评测及跨团队集成交付。
【主要工作】
1、研发下一代 Agent Harness
设计和构建面向复杂真实任务的 Agent Harness，研究任务规划与分解、工具调用、代码执行、状态与上下文管理、记忆、反思纠错、环境交互及长程任务执行等核心机制；探索 Harness 从“模型外部脚手架”向智能体学习环境、能力放大器与进化基础设施演进。
2、研究 Agent 后训练与强化学习
开展面向智能体的 SFT、Preference Learning、Reward Modeling、PPO / GRPO、RLVR、Online RL、Agentic RL 等后训练与强化学习研究，结合代码执行、工具调用、任务结果及环境反馈构建可验证奖励，重点提升模型的规划、推理、工具使用、长程执行、信用分配、自我纠错及复杂任务泛化能力。
3、探索 Recursive Self-Improvement 与自主进化
研究智能体递归自我改进（RSI）、Self-Play、持续学习、自动课程生成、经验积累、技能发现与策略进化等机制，构建“任务执行 → 环境反馈 → 错误分析 → 策略改进 → 数据生成 → 模型更新 → 能力验证”的持续学习闭环，探索智能体从人工设计向自主学习、自我改进和持续进化演进。
4、研究 Harness 能力内化
探索如何将 Harness 中通过人工设计、搜索或智能体自主发现形成的任务规划、工具选择、工作流、Reflection、错误恢复及 Skill 等有效能力，转化为高质量训练轨迹与学习信号，通过 SFT、蒸馏、强化学习及持续学习等方式逐步内化到模型参数中，形成“Harness 能力构建 → Agent Trajectory → 模型训练 → 能力内化 → 模型增强 → Harness 再进化”的 Model-Harness 协同进化闭环。
5、推动 Auto-Research 与复杂真实任务落地
将 Harness、Agent Learning 与 RSI 能力应用于 Coding Agent、Research Agent、Scientific Agent 等复杂任务，打通问题理解、任务规划、工具调用、代码执行、环境交互、结果验证、经验积累和持续优化等环节，并推动模型训练、Harness 迭代、能力评测及跨团队集成交付。
岗位要求
【岗位要求】
1、本科及以上学历，计算机、人工智能、软件工程、数学、自动化、认知科学等相关专业；
2、编程基础扎实，熟练使用 Python，掌握 PyTorch、Transformers 等深度学习与大模型开发框架；
3、具备大模型、强化学习或智能体相关研究与工程经验，对 SFT、PPO / GRPO、RLVR、Agent RL、工具调用、长程 Agent、Harness 系统中的一项或多项有深入理解；
4、具备扎实的软件工程和实验能力，能够独立完成问题定义、系统设计、算法实现、模型训练、实验调参、结果分析和问题定位；
5、对 Agent、Harness、大模型强化学习、自我改进和自主进化具有浓厚兴趣，愿意探索模型能力与系统能力如何相互促进、持续演化等开放性问题。
6、具备较强系统工程能力的候选人同样欢迎申请，尤其欢迎同时理解模型训练与 Agent 系统、能够将前沿算法转化为可靠复杂系统的人才。
【加分项项】
具备以下一项或多项经验者优先：
1、在 Agent、大模型、强化学习、机器学习等方向有优秀论文、开源项目或代表性成果。
2、熟悉 LLaMA-Factory、verl、ms-swift、Megatron-LM、DeepSpeed 等训练框架；
3、熟悉 vLLM、SGLang 等大模型推理与服务框架；
4、有 SFT、PPO / GRPO、RLVR、Agent RL、Online RL、偏好学习等后训练实践；
5、有 Agent Harness、Agent Framework、LLM Infra 或复杂任务执行环境开发经验；
6、有 Recursive Self-Improvement、Self-Play、Continual Learning、Agent Evolution 等相关研究或实践；
7、有长程 Agent、Coding Agent、Research Agent、Deep Research、多智能体、Memory 或 Tool Use 相关经验；
8、有 SWE-Bench、ALE-Bench、Auto-Research 等 Agent Benchmark 或真实复杂任务评测经验；
9、有分布式训练、大规模强化学习、推理优化或训练基础设施经验；
1、本科及以上学历，计算机、人工智能、软件工程、数学、自动化、认知科学等相关专业；
2、编程基础扎实，熟练使用 Python，掌握 PyTorch、Transformers 等深度学习与大模型开发框架；
3、具备大模型、强化学习或智能体相关研究与工程经验，对 SFT、PPO / GRPO、RLVR、Agent RL、工具调用、长程 Agent、Harness 系统中的一项或多项有深入理解；
4、具备扎实的软件工程和实验能力，能够独立完成问题定义、系统设计、算法实现、模型训练、实验调参、结果分析和问题定位；
5、对 Agent、Harness、大模型强化学习、自我改进和自主进化具有浓厚兴趣，愿意探索模型能力与系统能力如何相互促进、持续演化等开放性问题。
6、具备较强系统工程能力的候选人同样欢迎申请，尤其欢迎同时理解模型训练与 Agent 系统、能够将前沿算法转化为可靠复杂系统的人才。
【加分项项】
具备以下一项或多项经验者优先：
1、在 Agent、大模型、强化学习、机器学习等方向有优秀论文、开源项目或代表性成果。
2、熟悉 LLaMA-Factory、verl、ms-swift、Megatron-LM、DeepSpeed 等训练框架；
3、熟悉 vLLM、SGLang 等大模型推理与服务框架；
4、有 SFT、PPO / GRPO、RLVR、Agent RL、Online RL、偏好学习等后训练实践；
5、有 Agent Harness、Agent Framework、LLM Infra 或复杂任务执行环境开发经验；
6、有 Recursive Self-Improvement、Self-Play、Continual Learning、Agent Evolution 等相关研究或实践；
7、有长程 Agent、Coding Agent、Research Agent、Deep Research、多智能体、Memory 或 Tool Use 相关经验；
8、有 SWE-Bench、ALE-Bench、Auto-Research 等 Agent Benchmark 或真实复杂任务评测经验；
9、有分布式训练、大规模强化学习、推理优化或训练基础设施经验；
