岗位职责
- Code User Alignment：面向真实用户代码任务，研究代码库理解、复杂代码修改与 Execution Feedback Learning，结合数据与模型训练，端到端提升代码正确性、交付质量和执行效率，减少无效探索、反复修改与用户干预。
- Agentic RL & Reward Modeling：研究面向 Agent 任务的奖励建模与强化学习方法，结合 Code Verifier、Evolving Rubrics 与用户偏好，探索 Outcome / Process Reward、Credit Assignment 与 Policy Optimization，提升长程任务能力与行为对齐效果。
- Agent Experience Flywheel：构建真实用户日志驱动的数据飞轮，从用户反馈与交互轨迹中挖掘失败模式，研究任务重建、Hard Case Mining、数据合成与轨迹优化，将线上体验问题持续转化为高质量训练数据。
- Behavior Self-Improvement：构建 Agent 行为自我改进体系，研究探索、反馈与学习的协同机制，通过 Middle Training、SFT 与 RL 的迭代优化，让每轮模型的执行经验成为下一轮能力提升的基础。
职位要求
- 计算机、人工智能等相关专业在读，具备扎实的机器学习基础和工程能力。
- 在 Coding Agent、大模型 SFT/RL、奖励建模或数据合成等至少一个方向有深入实践。
- 能从真实交互案例中提炼技术问题，独立设计对照实验，并分析模型收益、失败原因与泛化边界。
- 有复杂代码任务、Agent 训练或线上效果优化经验者优先；有相关高质量研究成果者优先。
