岗位职责
- Agent 基础设施优化：在电商垂域开展大模型 Agentic AI 的关键要素构建与优化，涵盖环境工具建设（Environment/Tools）、高质量数据合成及 Reward Modeling；
- 后训练算法攻坚：优化 Post-training 算法（如 GRPO/PPO/SearchR1 等），提升模型在复杂环境下的工具使用（Tool-use）、规划（Plan）、深度推理（Deep Research）及报告生成能力；
- 全流程模型迭代：参与千亿级模型的 Agentic 能力全流程优化，包括 CPT (Continued Pre-training)、SFT、Post-train 及 Multi-agent RL，负责复现业界前沿工作并探索提出新算法。
职位要求
- 深入理解 LLM/RL/Agent 领域知识，熟悉常见的 Alignment 算法（如 DPO/PPO/GRPO/DAPO 等）；
- 熟悉前沿 Agentic RL 算法与框架，参与过实际项目的开发与训练，具备敏锐的技术视野，对前沿研究保持敏感；
- 对 AI 技术充满热情，具备优秀的自驱力（Self-driven）和复杂问题解决能力；
- 拥有编程竞赛获奖经历、顶会论文发表记录或知名开源库贡献者优先。
