【高阶岗位】长程推理青年/资深科学家

岗位职责
面向代码研发、科学研究等真实复杂任务，研究大模型智能体的长程推理与强化学习，并建设支撑规模化训练的 RL Infra 和环境 Infra
1. 长程推理与智能体学习
- 研究长程规划、工具使用、记忆管理、结果验证和失败恢复等关键算法
- 研究面向长轨迹的强化学习方法，解决稀疏奖励、信用分配、探索效率和训练稳定性问题
- 建设真实复杂任务的训练与评测方法，以实验结果持续推动模型能力提升
2. RL Infra
- 建设支持长轨迹、多轮交互、异步 Rollout 和分布式训练的强化学习系统
- 优化采样、推理、奖励计算与训练之间的数据流和资源调度
- 提升大规模智能体训练的吞吐、稳定性和资源利用率
3. 环境 Infra
- 建设面向代码、终端和科学计算等任务的可交互环境
- 建设可靠的验证器，为训练和评测提供准确、可规模化的反馈信号
- 推动环境与任务的自动生成、质量控制和规模化运行
4. 科研与技术领导
- 提出具有原创性和实际价值的研究课题，主导技术路线与规模化实验
- 产出高水平论文、开源系统或具有显著能力增益的模型成果
- 协同算法、系统、数据和产品团队，推动研究成果落地

岗位要求
基本条件
- 计算机科学、人工智能、数学、统计学或相关专业的博士学历且有3年以上相关研究经验
- 在大语言模型、智能体、强化学习或机器学习系统方向有系统积累
- 具备优秀的编程能力，熟练掌握Python、PyTorch等深度学习框架
- 发表过高水平论文，或取得过具有同等影响力的模型、系统及开源成果
专业能力
候选人应在以下至少一个方向具备突出成果，并对其他方向有较强理解：
A. 长程推理与智能体强化学习
- 深入掌握强化学习、序列决策、规划搜索和信用分配等核心方法
- 对工具使用、智能体记忆、过程验证和失败恢复具有系统研究
- 具有大模型后训练或智能体强化学习的实际经验
- 能够解决长轨迹训练中的奖励稀疏、策略投机和泛化问题
B. RL Infra 与大规模学习系统
- 深入理解大模型训练、推理及强化学习系统架构
- 具有分布式训练、异步采样或大规模 Rollout 系统研发经验
- 能够系统优化吞吐、延迟、显存、通信和资源利用率
- 能够主导大型训练系统的架构设计与工程落地
C. 环境 Infra 与可验证智能体
- 深入理解智能体环境、工具协议、执行隔离和自动验证机制
- 具有容器、虚拟机、沙箱或分布式任务平台建设经验
- 能够设计真实、稳定、可复现、可验证的训练任务
- 能够识别并治理奖励投机、测试泄漏和环境污染等问题
素质要求
- 对解决具有挑战性的AI问题充满热情，具备独立科研能力和创新思维
- 优秀的沟通表达能力，能够清晰阐述技术方案并与跨职能团队高效协作
- 良好的学术诚信意识与团队合作精神
优先考虑
- 在长程推理、智能体强化学习或机器学习系统方向取得过有影响力的成果
- 主导过 Coding Agent、Research Agent 或其他长程智能体项目
- 负责过大模型 RL Infra、Rollout 系统或环境平台建设
- 具有大规模模型训练、并发环境运行或开源项目核心研发经验