多模态Search Agent研究&应用-阿里星/C-Star

岗位描述
你将深度参与到千问VQA Agent的优化&探索中，致力于攻克多模态Agentic Search后训练的核心深水区，探索下一代SearchAgent范式。具体工作包括不限于：
1、Agentic RL优化探索：负责Agent轨迹的信用分配与训练策略优化；设计ORM与PRM协同的奖励体系，解决稀疏奖励、探索不足及Reward Hacking等核心问题。
2、Rubric 奖励体系研究：探索Rubric的自动生成与规模化构造，基于对比偏好反推、递归迭代、实例级动态生成等算法，降低人工标注成本；并且设计多维标准下的显示/隐式加权策略，在资源开销、判别精度与泛化能力三者间探索最优权衡。
3、RL 模型合版创新：探索强化学习阶段的多模型合版范式，覆盖模型合版、RM合版、Rubric融合、多专家合版（MOPD），支撑通用多领域能力的 Agent 快速迭代。
4、前沿落地与学术输出：持续跟踪学界与业界多模态Agent最新进展，推动成果在实际业务场景落地，产出高水平论文，建立行业技术影响力。
5、下一代学习范式探索：研究递归自我改进（RSI）范式，构建 Agent 自主迭代闭环，赋予Agent自主发现数据、生成规则并优化自身策略的闭环能力。

岗位要求
1、计算机科学、人工智能、机器学习或相关领域的硕士或博士学位，在CVPR、ECCV、ICCV、NeurIPS、ICLR、ICML等顶级会议/期刊上发表论文者优先；
2、在多模态、大模型、计算机视觉、强化学习、Agent等一个或多个领域有较深入的研究；
3、 具有扎实优秀的算法基础，以及出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题；
4.、拥有强烈的技术热情和好奇心，能够积极应对挑战&持续学习；
5、在多模态大模型、Agentic RL方向主导过大影响力项目者优先。