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

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。

1. 01

   不限年级，本科及以上在读，计算机/人工智能/软件工程等相关专业优先；

2. 02

   优秀的代码能力、数据结构和基础算法功底，熟练掌握至少一门编程语言，包括但不限于Python等；

3. 03

   有LLM/MLLM等多模态理解技术背景，或大规模模型训练实际项目经验者优先；

4. 04

   在TPAMI/CVPR/NeurIPS/ICCV/ICML/ICLR等顶级期刊会议上发表相关论文者优先；

5. 05

   良好的沟通协作能力，责任心强，积极主动，能和团队一起探索新技术，推进技术进步。