锦鲤求职岗位描述
我们正在构建面向下一代 AI 智能体的基础设施、环境、评估体系与能力演化框架，旨在赋能科学研究、工程实践及其他知识密集型真实世界任务中的智能体训练与部署。这个角色横跨强化学习、智能体评估、系统架构与前沿能力开发等多个交叉研究方向，您将有机会深度参与其中，并根据自身的研究专长与兴趣，在以下一个或多个方向发挥核心作用。
岗位职责
Data & Evaluation, RL Environment (Domain Experts)
设计并可扩展地构建 agentic 场景的高质量强化学习环境，定义并实现 RL 训练环境的 spec：state、action、reward、termination、tooling、harness、runtime envs。
建立 contamination-resilient、scalable、可持续迭代的评测流水线。
研究 evaluation 与 capability elicitation 的关系：什么样的 eval 能真正预测下游能力跃迁。
基于公司现有的大规模、低延迟、高并发的 rollout 基础设施（sandbox、container orchestration），完成环境端到端整合。
把现实任务（terminal、browser、scientific workflow 等）转化为 RL-trainable environments，并尽可能贴进真实场景。
与 RL infra / IT 团队合作，让 environment throughput 不成为训练瓶颈。
通过 RL 训练验证环境有效性，分析模型表现。
探索 Agent 如何自主构建高质量环境。
Reward Models & Open-Ended Verifier
在 STEM research、AI research、software engineering、enterprise SWE 等高度复杂且真实的领域，设计 robust verifier。
探索 LLM-as-judge、execution-based、formal verification、agentic verifier 等技术的边界，包括但不限于如何防止 reward hacking，如何提供 stable reward signals。
要求对至少一个领域有 deep domain expertise。
Frontier Capability via TTS on Long-Horizon Tasks
定义并构建 frontier model 能力边界上的长程复杂任务和环境。
在真实、复杂、长程任务上系统性研究 test-time scaling（search、verification、reflection、self-evolving、multi-agent 等）。
突破单次 forward pass 以及 general model + agent harness 的能力上限，把大规模计算资源更高效地转化为任务成功的轨迹。
参与 inference-time algorithms 与 training-time objectives 的 co-design 的讨论与设计。
把 TTS 阶段发现的策略反哺到 RL 训练中。
任职要求
本科及以上学历，或具备同等水平的从业经验；所学方向与岗位相关。
具备扎实的软件工程能力，并且在基础科学如数学、物理、人工智能 / 机器学习研究、计算机科学、统计学与数据科学、生物学、化学、经济金融、医学 / 医疗健康、游戏开发，或机械 / 航空航天工程等任一方向具备完整、成熟、健康的科研或者工程落地经验。
具备良好的跨团队协作与沟通能力。
能够并且愿意独立、仔细地审查数据集、智能体轨迹、定位问题。
结果导向（impact-driven），高 agency，具备良好的研究判断力。
能在不确定环境中快速适应。
加分项
有生产级 ML 系统训练经验。
熟悉分布式系统、云基础设施。
深入了解 sandboxing、容器化（containerization）、分布式系统。
有工业界 LLM 训练、微调或评估经验。
有大规模 ML 基础设施 / RL 环境构建经验。
在目标能力领域具备领域专长。
有外部供应商或技术合作伙伴的协作经验。
在 ML 领域或者本专业领域有有影响力的研究发表。
在基础科学等方向具备资深技术深度。