岗位职责
- 环境沙箱构建：设计并实现支持 RL环境 执行代码、操作 API 或进行多步推理的隔离沙箱环境（基于 Docker, WebAssembly 或 VM）；
- 交互协议定义：优化 RL 训练与环境之间的 Observation/Action 循环，提升工具调用的准确率；
- 自动化评价体系：构建针对特定场景（如数据分析、自动化办公、软件工程）的评测基座（Benchmark），客观衡量执行成功率；
- 前沿技术探索：研究如何通过环境反馈（Environment Feedback）进行强化学习（RLHF/RLAIF），加速模型的迭代进化。
职位要求
- 扎实的计算机基础：优秀的编程能力（Python/Go/C++ 至少精通一门），熟悉 Linux 系统和容器化技术；
- 熟悉 ReAct、AutoGPT、LangChain 或 AutoGen 等开源框架，对 LLM 调用工具有实战经验或深度思考；
- 解决问题的韧性：RL 执行环境往往涉及复杂的依赖管理和安全隔离，需要你有较强的 Debug 能力和工程直觉。
