智能体强化学习青年科学家

面向智能体场景开展强化学习前沿研究，探索长程规划、多轮交互、工具调用等 Agentic RL 的核心算法与训练范式；

构建智能体强化学习训练系统，解决复杂环境/沙盒构建、任务与奖励设计、轨迹数据管理、异步训练等关键问题，实现智能体的自主学习与持续进化；

突破复杂环境下的感知–决策闭环，提升模型的长程规划与多轮交互学习能力，将研究成果应用于模型漏洞挖掘等团队核心任务交付；

跟踪并洞察 RL / Agent 领域最新进展，产出有影响力的研究成果（论文、开源、技术报告），主导定义团队 Agentic RL 技术路线。

人工智能、计算机、数学等相关专业博士学历，具备扎实的深度学习与强化学习理论基础；特别优秀的应届博士/博后亦可；

深入掌握 PPO、GRPO、DPO、DAPO、GSPO 、SAO等主流大模型强化学习算法，有训练智能体的一手经验，包括但不限于Mid-train、多轮交互 RL、工具调用 RL、长程任务奖励设计等；

熟悉至少一种主流 RL 训练框架（如 veRL、OpenRLHF、TRL、slime 等），具备框架深度定制与二次开发能力者优先；

具备 1–2 年以上一线大厂后训练团队相关经验者优先；特别优秀的应届博士/博后亦可；

在模型/训练技术报告中有署名成果者优先；在 NeurIPS、ICML、ICLR、ACL 等顶级会议发表过相关方向论文者优先（论文非硬性要求）；

具备极强的科研创新能力与独立攻关能力，能作为关键角色主导团队 Agentic RL 方向的技术交付。