岗位职责
大模型从通用问答走向复杂任务执行，Agent 能力正成为模型演进的关键方向。为此我们探索将通用基座模型向原生 Agentic Foundation Model 演进，为构建下一代自主智能体提供坚实的底座支持。团队在以下方向上进行探索，若你对以下一个或者多个课题感兴趣均欢迎投递： 1）大规模高质量数据体系与轨迹合成数据建设
- 建设 Trillion 级别的大规模跨模态数据处理与合成链路，负责从训练数据获取到配比建模的全流程优化。
- 探索大规模合成数据 与自蒸馏技术，制定合成数据应用策略，构建模型持续进化的数据飞轮。 2）长上下文 (Long Context) 与高效架构演进长窗口突破
- 持续 Scaling Up 模型的上下文窗口，优化超长上下文机制，重点提升 LongCat 基座模型在长上下文上的表现。
- 探索并验证 MoE（混合专家）、稀疏注意力（Sparse Attention）、线性注意力等模型结构；结合剪枝与稀疏化技术，协同优化训练与推理效率，提升超长上下文场景下的效率。 3）多模态能力融合
- 探索多模态预训练新范式，突破模态融合瓶颈。
- 利用多模态扩展定律指导数据与训练方案，提升模型在多模态交互场景下的原生能力。 【为什么是我们】
- 团队扁平，人才密度高，近年团队在ICLR、NeurIPS、ICML、ACL等顶会累计发表论文数十篇，团队员工获EMNLP 2024 Outstanding Paper、ACL 2025 Outstanding Paper；
- 参与大语言模型核心技术研发，接触大规模RL、超长上下文、分布式训练和推理优化等前沿技术；
- 充足算力保障，拥有大规模分布式训练环境和丰富数据资源。
职位要求
- 来自全球Top高校计算机科学、人工智能、数学、物理或相关领域应届博士/顶尖硕士毕业生；
- 在大模型领域有研究基础，或参与过有影响力的开源项目，在ICLR/NeurIPS/ICML/ACL等顶会发表论文具备扎实的算法和数学理论基础及良好的编程基础，熟悉自然语言处理、生成式AI和机器学习等技术，对技术开发及应用有热情； 加分项：
- 目标感强，善于分析和发现问题，拆解简化，有想法并乐于挑战自我，能够从日常工作中发现新的空间；
- 条理性强且有推动力，能够梳理繁杂的工作并建立有效机制，推动上下游配合完成目标；
- 在程序设计竞赛，如ACM/ICPC、Topcoder和Codeforces等，取得优异成绩者优先。
