【校招】Agent后训练算法青年研究员-智能体系统中心

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。