岗位职责
关于我们 我们是一家专注于大模型能力边界拓展的团队，核心方向覆盖 LLM 后训练（Post-Training）、Agent 长期记忆（Agent Memory）与递归自我改进（Recursive Self-Improvement, RSI）。我们相信下一代智能体系统的关键突破，来自"训练—记忆—自进化"三者的闭环协同。团队氛围偏研究驱动，鼓励发表、开源与快速实验迭代。 岗位方向 • 研究并落地 SFT、RLHF、DPO/GRPO 等对齐与偏好优化方法 • 探索推理增强（RLVR、过程奖励、测试时计算扩展）与能力蒸馏 • 构建高质量数据合成、筛选与课程学习（Curriculum）管线 • 负责后训练实验设计、评测体系与规模化训练稳定性 • 设计 Agent 的短期/长期记忆架构（工作记忆、情景记忆、语义记忆） • 研究记忆的写入、检索、压缩、遗忘与冲突消解机制 • 探索记忆与 RAG、工具调用、多轮任务规划的协同 • 构建记忆能力的评测基准与端到端 Agent 任务验证 • 研究模型自我改进闭环：自我批判、自我生成训练数据、自我评测 • 探索 Agent 自主发现改进点、自动构造训练任务与验证信号 • 研究改进过程的稳定性、防退化（reward hacking / collapse）与可验证性 • 推动 RSI 从概念验证走向可度量、可复现的系统
职位要求
必备 • 计算机、人工智能、数学等相关专业硕士及以上（优秀本科亦可） • 扎实的深度学习与大模型基础，熟悉 Transformer 架构与训练流程 • 熟练使用 PyTorch，具备大规模训练或分布式训练经验 • 有 LLM 后训练 / Agent 系统 / 强化学习 中至少一个方向的实操经验 • 良好的实验设计能力与工程落地能力，能独立推进从想法到验证的闭环 加分项 • 在 NeurIPS / ICML / ICLR / ACL 等顶会发表过相关论文 • 有 RL（PPO/GRPO 等）或 Agent 框架（LangGraph、AutoGen 等）实战经验 • 对 RSI / 自进化智能体有深入思考或探索
