岗位职责
● 【前沿科研探索】 围绕大模型、统一智能体与 AI 原生应用中的关键问题开展研究，跟踪前沿、主动识别高价值方向，推动原创方法、核心能力与长期壁垒形成。 ● 【全链路端到端推进】 打通算法、数据、训练/对齐、评测、系统与产品化闭环，持续优化从 Pretrain/CPT 到 SFT/RLHF/RLAIF/DPO/RLVR 的训练链路，以及“评测—数据—训练—上线反馈”的高效飞轮。 ● 【科研与业务双向驱动】 将基础研究与真实场景结合，在多模态、AI Office、AI 搜索/深度研究、个性化与记忆系统、Browser Use、软件开发等方向推动能力突破与产品创新。 ● 【学术与技术影响力】 产出论文、专利、开源或其他高质量技术成果，沉淀可复用的方法论与系统能力，形成持续技术影响力。
职位要求
● 【研究能力与问题判断】 计算机、人工智能、数学、统计学或相关专业硕士及以上学历；在 LLM、VLM、Agent、RL、推荐/个性化/记忆系统等方向具备扎实基础，能够独立定义问题、设计实验并形成清晰判断。 ● 【研究与工程一体能力】 精通 Python，熟悉 PyTorch 等主流框架，具备较强工程实现能力；能够将研究想法快速转化为可复现、可扩展的系统与代码；有分布式训练、复杂系统或 AI 工具高效研发经验者优先。 ● 【全链路意识与 Ownership】 在一到两个方向上有突出积累，并愿意向更广链路扩展；能够跨越算法、数据、评测、系统与产品边界，在高不确定环境中 end-to-end 推动问题落地。 ● 【科研探索与落地能力】 热爱自主科研探索，也愿意深入真实场景，将研究成果转化为关键能力与产品创新。 ● 【协同与影响力】 具备良好的沟通协作能力，对论文、开源、方法论沉淀或关键业务突破有持续追求。 优先条件： ● 有顶会论文、高质量开源贡献或有影响力的技术成果； ● 有大模型训练/对齐、Agentic RL、多模态、长上下文、工具使用、记忆/上下文管理、多智能体等方向的代表性成果； ● 有 data-centric ML、自动化评测、reward/verifier、垂类智能体或“从研究到线上”闭环经验。
