岗位职责
近年来，以大模型为核心的生成式人工智能正从""能对话、能生成""迈向""能自主完成任务""。智能体（Agent）框架与数据技术，正成为放大模型能力、连接前沿研究与产业落地的关键基础设施。 我们致力于打造下一代大模型智能体框架（Agent Harness）与配套的数据技术体系：一方面，把 LLM 当作""CPU""，构建可直接使用的""Agent操作系统""——涵盖运行时、工具沙箱、记忆与上下文、Agent 工作空间，并探索 Loop + Verifier 等新一代推理与评测范式；另一方面，研发面向基础模型的一站式数据处理系统，通过合成数据、合成环境、Verifier 与 User Simulator，成为模型能力迭代的重要推力。 如果你对智能体系统、Agent 与模型协同进化、大规模数据处理与合成有浓厚兴趣，并渴望让自己的工作既影响开源开发者社区、又驱动真实业务与商业产品，欢迎加入我们，共同定义 Agent 时代的能力边界。
- Agent Harness 框架与核心技术研发（开源 & 研究）：定义下一代""Agent 操作系统""的技术范式，研发运行时、工具沙箱、记忆与上下文、工作空间等核心模块；探索 ReAct 之外更优的推理方式（如 Loop + Verifier）与 Agent 评测体系，并建设有影响力的开源社区。
- 模型能力在 Agentic Pipeline 中放大：以 Harness 作为模型能力的放大器，在多轮对话、CoWork、工具/Skill 调用、规划与自我验证等场景中，充分释放并增强大模型的智能体生产力。
- 面向后训练的数据/环境供给与 Harness × Model 协同：构建合成数据、合成环境、Verifier、User Simulator 与评测环境，输入基础模型后训练，与模型团队协同完成 Harness × Model 的协同设计与持续迭代。
- 智能体数据技术与数据-模型协同开发：研发面向 LLM / VLM / 多模态 / 具身的一站式数据处理系统，攻克 Data-Model Co-development 中的数据挑战，构建丰富算子、分布式高性能与灵活嵌入能力。
- 智能体技术端到端落地：将智能体技术在垂域场景、云平台产品与重要业务中端到端落地，主导技术方案落地，通过开源影响力、调用量、AB 实验与用户反馈验证价值。
职位要求
- 来自全球 Top 高校计算机科学、人工智能、数学或相关领域应届博士/顶尖硕士毕业生。
- 深入掌握大语言模型、强化学习、智能体（Agent）与数据处理相关技术；在大模型智能体、Agent 推理与评测、合成数据/环境、或大规模数据处理等方向有深入研究。
- 在国际顶级会议/期刊（如 NeurIPS、ICML、ICLR、KDD、ACL、VLDB、SIGMOD 等）以一作身份发表过论文，或在开源社区、竞赛中展示出引领性的研究与工程成果。
- 良好的工程与实验思维：熟悉 PyTorch 等主流框架，具备大规模模型训练/数据处理工程经验，能高效实现定制化的训练与数据流程；重视代码质量与实验结果，追求"不仅 work，而且高效优雅"。
- 技术热情与好奇心：有志于将 AI 从实验室推向真实业务场景，构建"可用、可扩展、可持续"的智能体系统与数据基础设施，善于从复杂需求中提炼核心技术问题并设计创新方案。
- 善于跨团队协作与开源共建：能与模型、产品、基础研究及外部社区高效沟通，平衡技术理想与落地实现。
