Agentic训练与统一智能体演进研究-阿里星/C-Star

我们正在重新定义“千问”：从一个博学的对话者进化为具备执行力的数字实体。我们的核心使命是构建一套统一的认知架构，打破模型与现实世界的壁垒，实现从“语义理解”到“任务闭环”的跨越，让 AI 真正深入生产力场景，实现数字世界与物理世界的高效连接。你将参与以下研究：

1. 01

   长程任务规划能力：研究复杂任务的精准拆解、动态编排与执行反馈机制，提升长链路任务完成率；

2. 02

   记忆机制与上下文管理：研究短期/长期记忆、状态压缩、动态检索与上下文调度机制，在有限上下文窗口与资源约束下，提升跨轮一致性、任务连续性与复杂任务执行效率；

3. 03

   复杂工具的自主学习与使用：推动 skills 的自主发现、组合与演化，提升在深度搜索、Browser Use、工程开发等场景中的高阶执行与组合优化能力；

4. 04

   开放环境下的 Agentic Scaling 训练：探索类 OpenClaw 的开放任务训练范式，在兼顾资源利用率的同时，实现多 agents 的组织调度、合理的 context 管理与协同执行。

1. 01

   计算机科学、人工智能、机器学习或相关领域的硕士或博士学位；

2. 02

   具有出色的分析、解决问题的能力，能深入解决大模型训练、应用存在的问题，有自主探索解决方案的能力者；

3. 03

   能够积极创新， 乐于面对挑战， 负责敬业，优秀的团队合作精神，一起探索新技术，推进技术进步。

【加分项】

1. 01

   具有优秀的基础算法、扎实的机器学习基础，在相关领域国际顶级会议（ACL、EMNLP、CVPR、ICCV、NeurIPS、ICLR、AAAI 等）有高质量论文发表者优先；

2. 02

   具有优秀的代码能力，在ACM/ICPC、NOI/IOl、Top Coder、Kaggle等比赛获奖者优先；

3. 03

   在多模态、大模型、基础模型、世界模型、RL领域，主导过大影响力项目者优先；

4. 04

   在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。