【26届】Agent RL算法研究员
北京·上海
本科及以上
自动化类·计算机类
使用简历深度优化功能，快速提升简历质量
职位介绍
【岗位描述】
我们在构建基于多模态统一的DeepResearch智能体，专精整合搜索、浏览器、terminal、图片分析创作等工具的调用，深度思考智能体，实现长短期规划与分析；
1、利用强化学习方法改进智能体的规划、反思、利用工具的能力；
2、探索基于人机协同的高质量数据挖掘、合成，以加强智能体的规划和利用工具能力；
3、构建多模态智能体，提升多模态大模型 RLHF 中的训练效果；
4、构建智能体自动化评测。
【任职要求】
1、预计毕业时间介于2025年9月至2026年8月的国内外优秀本科生或研究生；
2、具备扎实的机器学习基础和强悍的编码能力，能熟练使用 PyTorch，熟悉Megatron等大规模训练框架；
3、了解 Alignment 领域的常用方法，包括但不限于 SFT、DPO、PPO、Self-Rewarding 和 Self-Critic 等 ；
4、在 NLP/CV/RL 等至少一个 AI 领域中有过深入的研究经历，或通过机器学习算法解决过复杂问题。特别欢迎跨界研究者；
5、具备卓越的实验分析与问题解决能力，有创新思维，能够良好沟通、与团队成员高效协作。
【加分项】
1、有 ICML、ICLR、NeurIPS、ACL、CVPR 等顶级学术会议发表过有影响力研究成果的优先；
2、在 ACM/ICPC、NOI/IOI、Kaggle 等编程/AI 比赛获奖者优先；
3、主导、参与过 AI 相关的有大影响力的开源/闭源项目的优先。
我们在构建基于多模态统一的DeepResearch智能体，专精整合搜索、浏览器、terminal、图片分析创作等工具的调用，深度思考智能体，实现长短期规划与分析；
1、利用强化学习方法改进智能体的规划、反思、利用工具的能力；
2、探索基于人机协同的高质量数据挖掘、合成，以加强智能体的规划和利用工具能力；
3、构建多模态智能体，提升多模态大模型 RLHF 中的训练效果；
4、构建智能体自动化评测。
【任职要求】
1、预计毕业时间介于2025年9月至2026年8月的国内外优秀本科生或研究生；
2、具备扎实的机器学习基础和强悍的编码能力，能熟练使用 PyTorch，熟悉Megatron等大规模训练框架；
3、了解 Alignment 领域的常用方法，包括但不限于 SFT、DPO、PPO、Self-Rewarding 和 Self-Critic 等 ；
4、在 NLP/CV/RL 等至少一个 AI 领域中有过深入的研究经历，或通过机器学习算法解决过复杂问题。特别欢迎跨界研究者；
5、具备卓越的实验分析与问题解决能力，有创新思维，能够良好沟通、与团队成员高效协作。
【加分项】
1、有 ICML、ICLR、NeurIPS、ACL、CVPR 等顶级学术会议发表过有影响力研究成果的优先；
2、在 ACM/ICPC、NOI/IOI、Kaggle 等编程/AI 比赛获奖者优先；
3、主导、参与过 AI 相关的有大影响力的开源/闭源项目的优先。
