AI 研究员（Agentic Post-Training）

智能体后训练团队为真实的科研，工程场景以及通用的高知识密度工作场景中的智能体训练底层模型，致力于提高 Will 智能体模型的能力上限、可靠性及真实世界表现。

作为早期成员加入，您将有机会主导一个研究方向：构建使大规模训练运行更快、更可靠的基础设施；设计能够揭示模型缺陷的评估标准；或者推动某项新能力从构想、实验、整合到最终发布。同时，团队成员将拥有灵活定位，最优秀的成员不会被单一的技术方法或子领域所局限。

理想的候选人应对开发能够在现实世界中实际行动的模型充满热情，比如让模型编写和调试代码、使用工具、调用函数、操作计算机、与用户及其他智能体协作，并代表用户完成有价值的工作。

岗位职责

设计并运行实验，改善智能体模型在编码、工具使用、多智能体协作、长程任务及逻辑推理等方面的行为表现。

端到端改进后训练堆栈，包括 RL 算法与 infra、数据管道、评估器、模型可视化监控和模型行为分析。

构建评估标准和环境，以暴露下一批模型的缺陷，随后将其转化为训练数据、产品修复或新的研究方向。

参与早期训练和对齐干预，包括数据混合、设定目标、使用合成数据以及建立塑造下游智能体行为的评估循环。

改进大规模强化训练机制，优化实验速度、可靠性、可观察性、成本、延迟和 production readiness。

调试棘手故障，解决已发布或即将发布模型中的疑难问题，将杂乱的定性行为转化为具体的假设、实验和修复方案。

从数据格式、数据质量、代码实现、到算法实现细节等各个方面细致推进模型在真实场景的表现。

适应跨专业合作的工作氛围，与公司内部 STEM 科研工作者以及 Will 自研科研平台产品团队紧密协作，了解用户需求并将产品信号转化为模型改进。

任职要求

在机器学习、软件工程、系统、统计或相关领域拥有扎实的技术基础，并且能够快速学习陌生的新领域。

拥有关于 LLM（大语言模型）、RL、RLHF/RLAIF、后训练、评估标准、合成数据、模型训练、编码智能体或工业级机器学习系统的实践经验。

热衷于解决开放式问题，在路径不明确、信号嘈杂且需要结合研究品味与工程执行力的情况下寻找正确答案。

关心产品影响和模型行为，而不仅仅是刷基准测试分数；对何为实用、可靠、诚实、易协作的智能体有独到见解。

把观察模型行为作为研发环节的天然组成部分，乐于观察模型轨迹的产生。

能够将模糊的行为问题转化为具体的实验：定义假设、构建 pipeline、运行模型、分析结果并决定下一步行动。

习惯跨界工作，能在研究、产品、基础设施、数据、评估和安全边界之间游刃有余，沟通顺畅。

乐于做基建工作，愿意自主发现并构建团队需要的承重系统和流程，哪怕这些工作看似并不光鲜。