Dots-【Ace顶尖实习生】Long Horizon Agentic Task 能力提升研究

Dots-【Ace顶尖实习生】Long Horizon Agentic Task 能力提升研究 大模型 北京市，上海市，杭州市 Ace 顶尖实习生计划 本课题聚焦于提升大模型在上百轮交互的超长程 Agent 任务中的自主执行能力，目标场景涵盖 CLI/GUI Computer Use、Software Engineering、科研与专业任务等，并致力于让模型从被动响应指令转变为能够主动推进任务的 Proactive Agent。当前面临的核心挑战贯穿训练与推理两侧：在训练侧，缺乏能够覆盖真实世界复杂性与多样性的 RL 训练环境，现有环境难以模拟长程任务中工具调用、状态变迁与多步依赖的真实分布；稀疏的结果奖励无法为上百步的中间过程提供有效训练信号，如何设计面向长程任务的 Reward Signal 与 Credit Assignment 机制是关键瓶颈；在推理侧，模型在长时执行中面临目标漂移、错误累积与上下文认知负载持续增长等问题，缺乏有效的自我监控与恢复能力。研究将围绕复杂真实多样的 RL 训练环境合成、特定场景下长程稀疏奖励下关键决策步骤的信用归因，以及主动规划与长程目标对齐等核心问题展开。