【崗位職責】
1、設(shè)計并實施基于端到端強化學習的Agent模型訓練框架，構(gòu)建Agent模型的行動空間和決策機制，實現(xiàn)端到端優(yōu)化，優(yōu)化Agent的推理鏈路、工具使用和長期規(guī)劃能力。
2、開發(fā)適用于垂直領(lǐng)域的強化學習環(huán)境和獎勵機制，研究自監(jiān)督和半監(jiān)督學習方法，減少對標注數(shù)據(jù)的依賴；
3、將Agent技術(shù)應(yīng)用到實際場景，跟蹤并應(yīng)用最新的學術(shù)和工業(yè)界Agent技術(shù)進展。
【任職要求】
教育背景：計算機科學、人工智能、機器學習或相關(guān)領(lǐng)域的碩士以上學位
工作經(jīng)驗：2年以上大語言模型研發(fā)經(jīng)驗，特別是在大模型后訓練優(yōu)化方面；具有深厚的端到端強化學習理論基礎(chǔ)和實踐經(jīng)驗；
技能要求：熟悉PPO、GRPO等先進強化學習算法，并能應(yīng)用于LLM-Agent開發(fā)有設(shè)計和實現(xiàn) Agent行為模擬環(huán)境的經(jīng)驗；熟悉Pytorch深度學習框架，熟悉大語言模型在Agent系統(tǒng)中的角色和優(yōu)化方法；優(yōu)秀的Python/C++編程技能。
【加分項】
1、有ReAct、Reflexion、Tool-Learning等Agent框架設(shè)計和實現(xiàn)經(jīng)驗；
2、有解決探索-利用(Exploration-Exploitation)平衡問題的實踐經(jīng)驗；
3、熟悉多智能體強化學習系統(tǒng)有垂類領(lǐng)域(如金融、醫(yī)療、教育等)Agent開發(fā)經(jīng)驗；
4、有開源Agent項目的貢獻經(jīng)歷熟態(tài)模型壓縮和高效推理技木，能夠優(yōu)化Agent系統(tǒng)性能；
5、在期刊會議發(fā)表過 Agent或強化學習相關(guān)研究論文者優(yōu)先。