岗位职责

RSI 与 Agent 自进化面向专业研究、办公协作、数据分析、学习服务等场景，研究递归自我改进（RSI）机制，构建“任务执行—效果评测—失败诊断—策略改进—独立验证”的迭代闭环，使 Agent 能够持续优化任务规划、工具使用、记忆及协作策略。
复杂任务 Agent 架构设计围绕资料调研与交叉核验、文档与数据处理、专业问题求解等长程任务，设计任务拆解、动态规划、多 Agent 协作与失败恢复机制，提升复杂任务的完成质量、成功率和稳定性。
经验积累与持续学习研究长期记忆、经验抽象、技能沉淀与持续学习，探索上下文、记忆、工作流和模型参数的协同更新，让单次任务中获得的有效经验能够迁移到后续任务及不同场景，同时控制遗忘与负迁移。
Agentic RL 与自主探索结合 Agentic RL、Self-Play、自适应课程和在线蒸馏，研究任务生成、交互探索、奖励设计及信用分配，优化多轮决策与工具调用策略，并将经过验证的有效行为沉淀为稳定的模型能力。
工具集成与效果闭环深度集成搜索、浏览器、代码执行及专业工具，建设任务级评测与轨迹分析体系，从交付质量、任务成功率、泛化能力、成本和时延等维度验证改进，推动 Agent 在真实场景中落地并持续迭代。

职位要求

计算机、人工智能、数学等相关专业本科及以上学历，具备 2 年及以上大模型相关研发经验，有 Agent、复杂推理或智能应用的完整项目经验。
深入理解 Agent 的规划、记忆、工具调用及多 Agent 协作机制，能够独立设计复杂任务的执行架构，并定位模型能力、上下文、工作流及工具环境中的关键瓶颈。
在 RSI、自进化 Agent、Agentic RL、Self-Play、持续学习或在线蒸馏中，至少一个方向具有深入研究或实践；能够基于任务反馈提出优化方法，并通过独立实验验证收益及跨任务迁移能力。
熟练使用 Python，具备扎实的算法实现与工程调试能力；熟悉模型训练或 Agent 运行框架，能够完成工具接入、交互轨迹采集、实验回放与效果分析。有 SFT、GRPO／RLVR、OPD／MOPD／OPSD 实践经验者优先。
具备良好的研究判断、沟通协作与交付能力，能够从真实场景中抽象问题、设计对照实验并推动迭代；重视评测独立性、结果可复现性及长期效果。有高质量论文、开源贡献或可验证的 Agent 落地成果者优先。