岗位职责
LongCat 正在探索下一代基础模型的自我改进范式：让模型不只完成单次问答，而是能够围绕真实模型研发任务，持续完成问题发现、假设生成、实验设计、代码实现、训练/评测执行、结果验证、经验沉淀和策略迭代。我们希望构建面向模型研发的自动化研究智能体系统，让 AI 参与并加速 AI 自身的训练、评测和能力进化。
- 构建自动化研究智能体系统：提升模型在复杂任务分解、长程推理、研究规划、工具使用、代码生成与执行、证据整合和研究报告生成中的闭环能力。
- 构建可交互、可验证的研究环境：围绕 search、browser、retrieval、code execution、training/eval job、sandbox 等工具，设计可执行、可评分、可回滚的实验闭环。
- 设计模型自进化机制：沉淀 research episode、memory、skill和失败轨迹，设计数据配方、环境反馈和 reward 信号，反哺模型训练和评测体系。
- 面向 LongCat 模型研发任务落地应用：在 pre-/mid-/post-training、coding agent、agentic workflow、模型评测诊断等场景中验证系统效果，推动能力持续迭代。 【为什么是我们】
- 参与 LongCat 下一代模型自进化系统建设，直接接触真实基础模型训练、后训练、评测诊断、Agent harness 和自动化研究闭环。
- 团队具备大规模算力、数据、模型和真实复杂任务场景，适合希望在 AI Scientist、Agentic RL和模型自我改进方向做出原创突破的同学。3 . 团队人才密度高，在ICLR、NeurIPS、ICML、ACL等顶会发表论文50余篇，团队成员先后荣获EMNLP outstanding paper、吴文俊人工智能奖科技进步奖、CCF科技成果奖、北京市科技进步奖、北京市科技新星、北京市海英人才等荣誉激励；
职位要求
必备项：
- 具备扎实的算法基础和工程实现能力，熟练使用 Python/C++，能够独立完成复杂系统设计、实验实现和问题定位。
- 熟悉大语言模型、Agent、强化学习、代码生成、检索增强、训练/评测系统中的至少一个方向，并有真实项目经验。
- 具备强研究能力和问题拆解能力，能够从开放问题中提出可验证假设，设计实验并推动结果落地。
- 具备良好的沟通协作能力，能在高不确定性前沿方向中持续推进。 加分项：
- 有 Coding Agent、AI Scientist、Deep Research、Multi-Agent、长期记忆系统、自动实验系统经验。
- 有模型研发全链路经验，包括数据构造、Pre-training、Post-training、Reward Model、评测诊断或训练基础设施。
- 在顶级会议/期刊发表论文，主导高质量开源项目、Benchmark、Agent 系统，或在 ACM/ICPC、NOI/IOI、Kaggle 等比赛中取得优秀成绩。
