1、智能体轨迹数据构建与数据飞轮（基于真实用户任务镜像）：深入分析真实用户场景与任务特性，提取典型任务流程、交互模式与约束条件，设计并构建可复现、可运行的任务镜像（例如容器化环境或沙箱），为智能体提供接近真实世界的执行与训练场地。 2、前沿研究与算法创新：跟踪并复现大语言模型智能体（LLM Agent）领域的前沿研究成果，探索Agentic RL、Long Horizon推理、多步规划与工具调用等关键技术；研究并落地SFT、RLHF、GRPO、DPO等后训练与对齐算法，持续提升智能体在复杂任务中的理解、执行与约束遵循能力。 3、Long Horizon强化学习训练：负责Long Horizon场景下智能体的强化学习训练系统研发，解决上百轮交互场景中稀疏奖励下的信用归因（Credit Assignment）、目标漂移与错误累积等核心难题；探索长上下文强化学习、搜索与规划结合等前沿优化方案；参与大规模稠密/MoE大模型的强化学习训练系统建设，实现多种对齐算法与高效的分布式训练方案。

1、硕士及以上学历，计算机科学、人工智能、机器学习、自然语言处理等相关专业，3年以上大语言模型或智能体相关研发经验。 2、具备扎实的深度学习算法基础，深刻理解Transformer架构，熟悉大模型训练与推理全流程。 3、熟练掌握Python，精通PyTorch等深度学习框架，熟悉Megatron、DeepSpeed、vLLM等分布式训练与推理加速工具。 4、熟悉大模型后训练全流程，包括但不限于SFT、RLHF、DPO、PPO、GRPO等对齐算法。 5、具备智能体系统设计经验，熟悉Function Calling、Tool Use、ReAct、Plan-Act、Multi-step Reasoning等Agent核心能力。 6、具备数据集构建与数据治理经验，熟悉代码语料清洗、对话/工具轨迹标注、用户行为数据分析等。 7、具有良好的工程实现能力与代码规范，能够独立完成从算法设计到工程落地的全流程。 加分项： 1、在顶级会议或期刊（如NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR等）发表过大模型、智能体或强化学习相关论文。 2、有大规模强化学习项目经验，主导过工业级强化学习训练管线的搭建与优化。 3、参与过业界知名开源项目或有高质量开源贡献。 4、熟悉VeRL、Slime、ROLL等强化学习训练框架。