岗位职责
- 负责Agentic大模型相关算法开发与优化，开发性能达到业界sota的Agentic大模型并能在实际业务场景中应用落地
- 针对Agentic模型的训练特点，探索Agentic数据的合成策略与后训练数据配比策略，探索稳定高效的Agentic RL 方案，优化长程任务，实现智能体在复杂环境下的自主探索与迭代。
- 探索创新Agentic RL算法，撰写发表创新论文或技术报告，参与模型开源，和社区、学术界保持良好的交流
职位要求
- 算法功底： 精通PPO、GRPO、DPO等强化学习算法，有大规模模型RLHF实战经验。
- 专业深度： 深刻理解CoT、自反思及工具学习，熟悉分布式训练框架。
- 创新能力： 具备极强的算法创新与工程落地能力，能将前沿综述思想转化为生产力
- 学术背景： 计算机相关博/硕，在NeurIPS、ICLR、ICML等顶会以一作发表过RL或Agent相关论文优
