岗位职责

负责即梦创作Agent的Agentic RL能力建设，探索Agentic RL、Rubrics-based RL、RLHF/RLAIF、Process Reward、Outcome Reward、Unified Reward System等方法，提升模型在长链路创作任务中的规划、工具调用、多轮交互和任务完成能力，以及Agent在复杂任务中的成功率和稳定性；
设计面向图片、视频、多模态编辑等创作场景的强化学习任务、环境、奖励信号和训练范式；
构建多轮Function Call、工具调用轨迹、创作任务偏好、失败恢复样本等训练数据，并与SFT、DPO、GRPO、PPO等后训练方法结合；
结合Agent Harness、Sandbox、自动评测系统，建设可训练、可评估、可回放的Agent RL实验闭环；
分析模型在任务规划、工具选择、执行顺序、上下文利用和异常恢复中的失败模式，推动模型、数据和系统协同优化，跟进Agentic RL、Long-horizon RL、Tool Use Training、多模态强化学习等前沿研究，并推动其在即梦真实创作场景中落地。

职位要求

本科及以上学历，具备扎实的机器学习、深度学习、强化学习和概率统计基础；
熟悉大模型后训练方法，包括但不限于SFT、RLHF、DPO、PPO、GRPO、RLAIF、Reward Model等；
熟练掌握PyTorch等主流深度学习框架，具备模型训练、数据处理、实验设计和结果分析能力；
了解强化学习中的策略优化、奖励建模、轨迹采样、Credit Assignment、探索与稳定性等基本问题；
对Agentic RL、Tool Use、多轮Function Call、长链路任务规划、多模态模型训练有浓厚兴趣，具备较强的问题抽象能力，能够将创作任务中的业务目标转化为可训练、可评估、可优化的技术目标；
具备良好的工程实现能力和跨团队协作能力，能够与评测、数据和产品团队共同推进训练闭环落地。